python - BeautifulSoup 使用可迭代而不是字符串？

Question

我正在使用 bs4 和 python 3.5 解析维基百科元数据文件

这适用于从(更大的)文件的测试切片中提取:

from bs4 import BeautifulSoup

with open ("Wikipedia/test.xml", 'r') as xml_file:
    xml = xml_file.read()

print(BeautifulSoup(xml, 'lxml').select("timestamp"))

问题是元数据文件都是 12+ gigs，因此我不想在 ensoupification 之前将整个文件作为字符串读取，而是希望 BeautifulSoup 将数据作为迭代器读取(甚至可能从 gzcat 读取，以避免将数据保存在未压缩的文件中)。

但是，我尝试向 BS 传递字符串以外的任何东西，导致它窒息。有没有办法让 BS 以流而不是字符串的形式读取数据？

Answer 1

你可以给BS一个文件句柄对象。

with open("Wikipedia/test.xml", 'r') as xml_file:
    soup = BeautifulSoup(xml_file, 'lxml')

这是 Making the Soup 文档中的第一个示例