0

私はいくつかのxmlを持っています:

<sporsmal_liste>
    <sporsmal>
        <versjon>1.0</versjon>
        <besvart_av>
            <versjon>1.0</versjon>
            <doedsdato>0001-01-01T00:00:00</doedsdato>
            <etternavn>Giske</etternavn>
            <foedselsdato>1966-11-07T00:00:00</foedselsdato>
            <fornavn>Trond</fornavn>
            <id>TG</id>
            <kjoenn>mann</kjoenn>
        </besvart_av>
       <besvart_av_minister_id>NHD</besvart_av_minister_id>
       <besvart_av_minister_tittel>nærings- og handelsministeren</besvart_av_minister_tittel>
       <besvart_dato>2010-10-11T00:00:00</besvart_dato>
       <besvart_pa_vegne_av i:nil="true"/>
       <besvart_pa_vegne_av_minister_id i:nil="true"/>
       <besvart_pa_vegne_av_minister_tittel i:nil="true"/>
       <datert_dato>2010-09-30T00:00:00</datert_dato>
       <emne_liste/>
       <flyttet_til>ikke_spesifisert</flyttet_til>
       <fremsatt_av_annen i:nil="true"/>
       <id>47703</id>
       <rette_vedkommende i:nil="true"/>
       <rette_vedkommende_minister_id i:nil="true"/>
       <rette_vedkommende_minister_tittel i:nil="true"/>
       <sendt_dato>2010-10-01T00:00:00</sendt_dato>
       <sesjon_id>2009-2010</sesjon_id>
       <sporsmal_fra>
           <versjon>1.0</versjon>
           <doedsdato>0001-01-01T00:00:00</doedsdato>
           <etternavn>Nørve</etternavn>
           <foedselsdato>1951-03-29T00:00:00</foedselsdato>
           <fornavn>Elisabeth Røbekk</fornavn>
           <id>ELN</id>
           <kjoenn>kvinne</kjoenn>
           <fylke>
               <versjon>1.0</versjon>
               <id>MR</id>
               <navn>Møre og Romsdal</navn>
          </fylke>
          <parti>
              <versjon>1.0</versjon>
              <id>H</id>
              <navn>Høyre</navn>
          </parti>
     </sporsmal_fra>
     <sporsmal_nummer>1808</sporsmal_nummer>
     <sporsmal_til>
         <versjon>1.0</versjon>
         <doedsdato>0001-01-01T00:00:00</doedsdato>
         <etternavn>Giske</etternavn>
         <foedselsdato>1966-11-07T00:00:00</foedselsdato>
         <fornavn>Trond</fornavn>
         <id>TG</id>
         <kjoenn>mann</kjoenn>
     </sporsmal_til>
     <sporsmal_til_minister_id>NHD</sporsmal_til_minister_id>
     <sporsmal_til_minister_tittel>nærings- og handelsministeren</sporsmal_til_minister_tittel>
     <status>besvart</status>
     <tittel>Jeg viser til ... [longer text a have shortend..]</tittel>
     <type>skriftlig_sporsmal</type>
</sporsmal>
<sporsmal>   ... another sporsmal (question) </sporsmal>
<sporsmal> en the next one.... </sporsmal>
..more of these..
</sporsmal_liste>

私は今までこれを処理してきました：

from bs4 import BeautifulSoup

soup = BeautifulSoup(r.content) # where r.content is the xml (result from requests.get(url))

for question in soup.find_all('sporsmal'):
    # to get the id of the person this is a question to (sporsmal_til) I would:
    print question.sporsmal_fra.id.text

これは機能します。質問をした人の ID であるELNを返します。問題はアイテム自体の ID (< sporsmal >) にあり、それは47703ですが、「通常の方法」では取得できないようです:

for question in soup.find_all('sporsmal'):
    print question.id.text  #this returns **TG**

「TG」は次の結果でなければなりません

question.besvart_av.id.text 
# answered by

また

question.sporsmal_til.id.text 
# question for
# it's the same dude that is asked to answer, and who answers the question

そしてそうです。これらはどちらもTGを返しますが、

question.id.text

47703を返す必要がありますが、そうではありません。(または、他にどのように ID 47703 を取得できますか?)

それで、私はここで何が間違っていますか？

PS: ここにある xml は、ノルウェー語以外の人にとっては多少混乱する可能性があるため、例では混乱の少ない名前の他のフィールドを編集して選択しました。

4

2 に答える 2

1

これが最初の問題です: HTML パーサーを使用して XML を解析しています。これは明確に定義された HTML ではないため、構造について混乱しています。XML を BeautifulSoup で解析するには、lxml をインストールし、次のようにスープを初期化する必要があります。

soup = BeautifulSoup(r.content, "xml")

ただし、これも適切に解析されていないため、少なくとももう 1 つの問題があります。わかり次第更新します。

于 2012-05-15T00:28:10.193 に答える