Python BeautifulSoup，解析 XML

Question

我只想提取 SQL 错误行:

SQL Error: failed

- 但是 msg 标记中的所有文本都会被打印:

Test: 01
SQL Error: failed


Test: 01
SQL Error: failed

文件.xml

<item>
<msg>
Test: 01
SQL Error: failed
</msg>
</item>
<item>
<msg>
Test: 01
SQL Error: failed
</msg>
</item>

代码:

import re
from BeautifulSoup import BeautifulStoneSoup

file = "file.xml"

with open(file, 'r') as f:
    fobj = f.read()
    bobj = BeautifulStoneSoup(fobj)
    pattern = re.compile('SQL Error')
    for error in bobj.findAll('msg', text=pattern):
        print error

Answer 1

这就是它应该如何工作 - 作为 find_all() 调用的结果，您将获得一个 Tag 类实例。即使您打印出 error.text - 您也会获得 msg 元素的完整文本:

Test: 01
SQL Error: failed

假设您想要提取失败部分，您可以执行以下操作:

pattern = re.compile('SQL Error: (\w+)')
for error in bobj.find_all("msg", text=pattern):
    print pattern.search(error.text).group(1)

这里我们使用capturing groups在 SQL Error: 文本后保存一个或多个字母数字字符 (\w+)。

此外，您绝对应该升级到 BeautifulSoup 4 :

pip install beautifulsoup4

然后将其导入为:

from bs4 import BeautifulSoup