使用 requests 和 lxml 从 goodreads API 读取 XML 的尝试失败答案

【问题标题】：Failed attempts to read XML from goodreads API using requests and lxml使用 requests 和 lxml 从 goodreads API 读取 XML 的尝试失败
【发布时间】：2019-02-03 04:29:54
【问题描述】：

Goodreads 声称我可以获得以名为 <GoodreadsResponse> 的根开头的 XML，其第一个孩子是 <book>，其第八个孩子是 image_url。麻烦的是，我无法让它识别正确的根（它打印 root 而不是 GoodreadsResponse 并且无法识别根有任何孩子，尽管响应代码是 200。我更喜欢使用JSON，据称，您可以将其转换为 JSON，但我的运气为零。

这是我目前拥有的功能。我哪里错了？

def main(url, payload):
    """Retrieves image from Goodreads API endpoint returning XML response"""
    res = requests.get(url, payload)
    status = res.status_code
    print(status)
    parser = etree.XMLParser(recover=True)
    tree = etree.fromstring(res.content, parser=parser)
    root = etree.Element("root")
    print(root.text)

if __name__ == '__main__':
    main("https://www.goodreads.com/book/isbn/", '{"isbns": "0441172717", "key": "my_key"}')

goodreads 信息在这里：

**Get the reviews for a book given an ISBN**
Get an xml or json response that contains embed code for the iframe reviews widget that shows excerpts (first 300 characters) of the most popular reviews of a book for a given ISBN. The reviews are from all known editions of the book. 
URL: https://www.goodreads.com/book/isbn/ISBN?format=FORMAT    (sample url) 
HTTP method: GET

【问题讨论】：

标签： python xml api python-requests lxml

【解决方案1】：

目前您收到的请求是 HTML 而不是 XML。你需要设置你想要的响应格式：https://www.goodreads.com/book/isbn/ISBN?format=FORMAT

而且您需要使用参数而不是有效负载： Constructing requests with URL Query String in Python

附：对于您正在执行的请求，您可以使用 JSON。 https://www.goodreads.com/api/index#book.show_by_isbn

【讨论】：

【解决方案2】：

这是最适合我的解决方案：

导入请求从 bs4 导入 BeautifulSoup

def main():
    key = 'myKey'
    isbn = '0441172717'
    url = 'https://www.goodreads.com/book/isbn/{}?key={}'.format(isbn, key)
    response = requests.get(url)
    soup = BeautifulSoup(response.content, "lxml-xml")
    print(soup.find('image_url').text)

问题在于 XML 内容被包装在标签中。使用 Beautiful Soup 'lxml-xml' 解析器，而不是 'lxml' 保留 CDATA 标记中包含的内容并允许它们被正确解析。

【讨论】：