3

私はxmlファイルを持っています。
これは Google ブロガーの私のファイルのリストです。すべての記事を取得するために Python で解析するにはどうすればよいですか?正確な結果を得ることができる正しいコードを教えてください。

import feedparser
d = feedparser.parse('blog.xml')
for entry in d.entries:
    print entry.content[0]['value']

すべての記事を google-blogger で取得しますが、ファイルの形式が乱雑です。出力の html ラベルを削除するために、問題だけを取得できますか?

4

1 に答える 1

2

それはAtom フィードです。feedparserを使用して、そのファイルを個々の記事に解析します。

import feedparser
d = feedparser.parse('/path/to/your/xmlfile.xml')
for entry in d.entries:
    print entry.title

これは以下を出力します:

模板: R
为此博客设置的发布类型。
此博客管理员的电子邮件列表。
此博客是否包含成人内容
是否允许使用备用的 JS 渲染
博客的 Google Analytics（分析）帐号
存档索引日期格式的编号
此博客的存档频率应该为多少
有权进行发布的作者的电子邮件列表。
是否在博客中显示评论反向链接
是否为每个帖子提供存档页
哪些人能发表评论
是否要求评论者完成 Captcha
用于接收新评论通知的电子邮件地址列表
为博客评论所提供的 Feed 类型
博客评论表位置
博客评论消息
是否启用评论审阅
新评论进行审阅的天数
用于接收需要审阅新评论的通知的电子邮件地址

等

.keys()メソッドの結果を見ると、各エントリが定義する項目を確認できます。

>>> d.entries[0].keys()
['updated', u'gd_image', 'updated_parsed', 'published_parsed', 'tags', 'title', 'links', 'summary', 'content', 'guidislink', 'title_detail', 'link', 'author', 'published', 'authors', 'author_detail', 'id']

HTML コンテンツをテキストに変換する場合、いくつかのオプションがあります。ほとんどは次の場所にリストされています: Python を使用して HTML ファイルからテキストを抽出する

于 2013-03-28T07:50:28.927 に答える