使用 BeautifulSoup 通过第二个属性获取 XML 标记

Question

我正在尝试提取 NextBus 数据，特别是此处看到的实时公交 GPS：http://webservices.nextbus.com/service/publicXMLFeed?command=vehicleLocations&a=sf-muni&r=N&t=0

其中有如下标签：

<vehicle id="1534" routeTag="N" dirTag="N__OB1" lat="37.76931" lon="-122.43249" 
         secsSinceReport="99" predictable="true" heading="265" speedKmHr="37"/>

我正在学习 python，并且已经成功地根据属性提取了一个标签。但我正在为除 id 之外的任何属性而苦苦挣扎。

所以这行得通：

soup.findAll("vehicle", {"id":"1521"})[1]

但这会返回一个空集

soup.findAll("vehicle", {"routeTag":"N"})

有什么原因吗？

另外，正如我所提到的，我是 Python 新手，所以如果你有最喜欢的抓取教程，请随时发表评论！

Answer 1

要使其工作，您应该将xml 传递给BeautifulSoup 构造函数：

from urllib2 import urlopen
from bs4 import BeautifulSoup

url = 'http://webservices.nextbus.com/service/publicXMLFeed?command=vehicleLocations&a=sf-muni&r=N&t=0'
soup = BeautifulSoup(urlopen(url), "xml")

print soup.find_all("vehicle", {"routeTag":"N"})

打印：

[
 <vehicle heading="-4" id="1431" lat="37.72223" lon="-122.44694" predictable="false" routeTag="N" secsSinceReport="65" speedKmHr="0"/>,
 ...
]

或者，感谢@Martijn 的评论，以小写形式执行搜索：

print soup.find_all("vehicle", {"routetag": "N"})

另外，请注意您应该使用 BeautifulSoup4 和 find_all() 方法 - 第 3 个 BeautifulSoup 版本未维护。