python - BeautifulSoup:查询 XML 中的命名空间

Question

这个问题已经有答案了:

How can I access namespaced XML elements using BeautifulSoup? (5 个回答)

已关闭 2 年前。

我有一个带有自定义命名空间的 XML 文档:

<parent>
 <c1:doc>
   <c1:attr_a></c1:attr_a>
   <c1:attr_b></c1:attr_b>
 </c1:doc>
 <c2:doc>
   <c2:attr_a></c2:attr_a>
   <c2:attr_b></c2:attr_b>
  </c2:doc>
</parent>

是否可以在Python的BeautifulSoup中查询所有attr_a的值本文档中的属性？

我可以使用原始字符串操作遍历树，或者以非常繁琐的方式遍历父级的子级，但是是否可以查询 soup.find_all('*.attr_a')或者更直接类似？任何建议将不胜感激。

Answer 1

啊哈，显然可以使用正则表达式来完成这项任务。来自 docs :

If you pass in a regular expression object, Beautiful Soup will filter against that regular expression using its search() method. This code finds all the tags whose names start with the letter “b”; in this case, the tag and the tag:

html_doc = """
<parent>
 <c1:doc>
   <c1:attr_a></c1:attr_a>
   <c1:attr_b></c1:attr_b>
 </c1:doc>
 <c2:doc>
   <c2:attr_a></c2:attr_a>
   <c2:attr_b></c2:attr_b>
  </c2:doc>
</parent>
"""

from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc, 'html.parser')

import re
for tag in soup.find_all(re.compile(".attr_a")):
    print(tag.name)