Beautifulsoup xml解析失败：find all只返回一个结果

Question

我正在尝试使用 beautifulsoup 从 xml 文件中解析所有数据集的 ID 我的脚本：

soup = BeautifulSoup(source, "lxml")

doc = soup.find_all('doc')
string = doc.find('str', attrs={"name":"id"})

一旦我运行它来获取每个文档的字符串，我就会出错：

AttributeError: ResultSet 对象没有“find”属性。您可能将项目列表视为单个项目。当你打算调用 find() 时，你调用了 find_all() 吗？

我尝试使用 For 循环，分别使用两种格式的字符串：

for doc in soup.find_all('doc'):

        string = doc.find_all('str', attrs={"name":"id"})
       OR
        string = doc.str

但它只返回一个结果第一个

这是我要解析的 xml 文本：“doc tag 肯定重复了几次”

<doc>
    <str name="id"></str>
    <str name="version">20110601</str>
    <arr name="access"></arr>
    <arr name="cf_standard_name"></arr><arr name="cmor_table">
    <str name="instance_id"></str>
</doc>

Answer 1

在您的示例中，soup.find_all('doc') 将以列表的形式返回所有元素。你需要迭代这个列表来找到你想要的信息。

如果你想提取<doc>标签内的特定标签，你可以通过多种方式来实现。我使用 CSS 选择器，例如soup.select('doc str[name="id"]') 将选择<str> 属性为name="id" 的所有<doc> 标签内的标签：

data = """<doc>
<str name="id">1</str>
<str name="version">20110601</str>
<arr name="access"></arr>
<arr name="cf_standard_name"></arr><arr name="cmor_table">
<str name="instance_id"></str>
</doc>

<doc>
<str name="id">2</str>
<str name="version">20110602</str>
<arr name="access"></arr>
<arr name="cf_standard_name"></arr><arr name="cmor_table">
<str name="instance_id"></str>
</doc>

<doc>
<str name="id">3</str>
<str name="version">20110603</str>
<arr name="access"></arr>
<arr name="cf_standard_name"></arr><arr name="cmor_table">
<str name="instance_id"></str>
</doc>
"""

from bs4 import BeautifulSoup
from pprint import pprint

soup = BeautifulSoup(data, 'lxml')

all_ids = [tag.text for tag in soup.select('doc str[name="id"]')]
all_versions = [tag.text for tag in soup.select('doc str[name="version"]')]

pprint([*zip(all_ids, all_versions)])

这个例子打印：

[('1', '20110601'), ('2', '20110602'), ('3', '20110603')]