解析非标准XML (CDATA标记)
解析非标准XML (CDATA标记)
提问于 2011-10-17 00:58:16
当我想用BeautifulSoup库解析Python中的XML文档时，我遇到了一些问题。我要解析的XML文档：
<item>
<title><![CDATA[Title Sample]]></title>
<link /><![CDATA[http://banhada.kr/?cateCode=09&viewCode=S0941580]]>
<time_start>2011-10-10 09:00:00</time_start>
<time_end>2011-10-17 09:00:00</time_end>
<price_original>35000</price_original>
<price_now>20000</price_now>
</item>正如你在上面看到的，标签有点奇怪。在我看来，(标签)不是标准的XML表单，对吧？我如何解析这个糟糕的表单呢？
回答 2
Stack Overflow用户
发布于 2011-10-17 19:38:34
您不需要BeautifulStoneSoup或lxml。Python附带的电池可以很好地完成这项工作，而且您的XML似乎没有任何不兼容的地方。
>>> content='''\
... <item>
... <title><![CDATA[Title Sample]]></title>
... <link /><![CDATA[http://banhada.kr/?cateCode=09&viewCode=S0941580]]>
... <time_start>2011-10-10 09:00:00</time_start>
... <time_end>2011-10-17 09:00:00</time_end>
... <price_original>35000</price_original>
... <price_now>20000</price_now>
... </item>'''
>>> import xml.etree.cElementTree as et
>>> foo = et.XML(content)
>>> for e in foo:
... print e.tag, e.text, repr(e.tail)
...
title Title Sample '\n'
link None 'http://banhada.kr/?cateCode=09&viewCode=S0941580\n'
time_start 2011-10-10 09:00:00 '\n'
time_end 2011-10-17 09:00:00 '\n'
price_original 35000 '\n'
price_now 20000 '\n'
>>>Stack Overflow用户
发布于 2011-10-17 02:07:36
您可以使用BeautifulSoup来解析XML：
import bs4 as bs
content='''\
<item>
<title><![CDATA[Title Sample]]></title>
<link /><![CDATA[http://banhada.kr/?cateCode=09&viewCode=S0941580]]>
<time_start>2011-10-10 09:00:00</time_start>
<time_end>2011-10-17 09:00:00</time_end>
<price_original>35000</price_original>
<price_now>20000</price_now>
</item>'''
soup = bs.BeautifulSoup(content, 'xml')
title = soup.title
print(title.string)
# Title Sample
link = soup.link.nextSibling
print(link)
# http://banhada.kr/?cateCode=09&viewCode=S0941580在幕后，BeautifulSoup使用lxml解析XML。尽管这里不需要，但您可能希望直接使用lxml，因为它为您提供了使用XPath在XML中导航的更简洁的方法：
import lxml.etree as ET
content='''\
<item>
<title><![CDATA[Title Sample]]></title>
<link /><![CDATA[http://banhada.kr/?cateCode=09&viewCode=S0941580]]>
<time_start>2011-10-10 09:00:00</time_start>
<time_end>2011-10-17 09:00:00</time_end>
<price_original>35000</price_original>
<price_now>20000</price_now>
</item>'''
doc = ET.fromstring(content)
title = doc.find('title')
print(title.text)
# Title Sample
link = doc.find('link')
print(link.tail)
# http://banhada.kr/?cateCode=09&viewCode=S0941580页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/7785831
复制相关文章
相似问题
腾讯云开发者
