python - find_all 带有 BeautifulSoup 4 的 camelCase 标签名称

Question

我正在尝试使用 BeautifulSoup 4.4.0 抓取一个 xml 文件，该文件的标签名称采用驼峰命名法，而 find_all 似乎无法找到它们。示例代码:

from bs4 import BeautifulSoup

xml = """
<hello>
    world
</hello>
"""
soup = BeautifulSoup(xml, "lxml")

for x in soup.find_all("hello"):
    print x

xml2 = """
<helloWorld>
    :-)
</helloWorld>
"""
soup = BeautifulSoup(xml2, "lxml")

for x in soup.find_all("helloWorld"):
    print x

我得到的输出是:

$ python soup_test.py
<hello>
    world
</hello>

查找驼峰式/大写标签名称的正确方法是什么？

Answer 1

对于使用 BeautifulSoup 的任何区分大小写的解析，您都希望以 "xml" 模式进行解析。默认模式(解析 HTML)不关心大小写，因为 HTML 不关心大小写。在您的情况下，不要使用 "lxml" 模式，而是将其切换为 "xml":

from bs4 import BeautifulSoup

xml2 = """
<helloWorld>
    :-)
</helloWorld>
"""
soup = BeautifulSoup(xml2, "xml")

for x in soup.find_all("helloWorld"):
    print x