Python 使用BeautifulSoup排除结果集中标记(<;topic>;)内的标记(<;pattern>;)
我刚刚开始使用Python进行web抓取,目前我正在使用BeautifulSoup进行数据提取。我有一个.aiml文件(xml),我想从标签模式中提取所有数据,这些标签未包含在主题标签中 我已经得到了所有的模式值,但这里的挑战是,那些父标记为主题的模式不应该包含在结果集中 以下是aiml文件:Python 使用BeautifulSoup排除结果集中标记(<;topic>;)内的标记(<;pattern>;),python,beautifulsoup,tags,aiml,Python,Beautifulsoup,Tags,Aiml,我刚刚开始使用Python进行web抓取,目前我正在使用BeautifulSoup进行数据提取。我有一个.aiml文件(xml),我想从标签模式中提取所有数据,这些标签未包含在主题标签中 我已经得到了所有的模式值,但这里的挑战是,那些父标记为主题的模式不应该包含在结果集中 以下是aiml文件: <?xml version = "1.0" encoding = "UTF-8"?> <aiml version="1.0.1" encoding="UTF-8"> <
<?xml version = "1.0" encoding = "UTF-8"?>
<aiml version="1.0.1" encoding="UTF-8">
<topic name="botdog">
<category>
<pattern>MY DOG'S NAME IS *</pattern>
<template>
That is interesting that you have a dog named <set name="dog"><star/></set>
</template>
</category>
<category>
<pattern>WHAT IS MY DOG'S NAME</pattern>
<template>
Your dog's name is <get name="dog"/>.
</template>
</category>
</topic>
<topic name="botcat">
<category>
<pattern>MY CAT'S NAME IS *</pattern>
<template>
That is interesting that you have a cat named <set name="cat"><star/></set>
</template>
</category>
<category>
<pattern>WHAT IS MY CAT'S NAME</pattern>
<template>
Your cat's name is <get name="cat"/>.
</template>
</category>
</topic>
<category>
<pattern>HELLO ALICE</pattern>
<template>
Hello User
</template>
</category>
<category>
<pattern>HOW ARE YOU</pattern>
<template>
I'm fine
</template>
</category>
</aiml>
打印时的返回值()为:
[“我的狗叫*”,“我的狗叫什么名字”,“我的猫叫*”,“我的猫叫什么名字”,“你好,爱丽丝”,“你好吗”]
它应该是这样的,因为它没有父标记主题:
[“你好,爱丽丝”,“你好吗”]试试这个:
@extract.route('/')
def index_page():
folder = 'templates/topic.aiml'
with open(folder, 'r') as myfile:
soup = BeautifulSoup(myfile.read(), 'html.parser')
data = []
for cat in soup.find_all('category'):
if cat.parent.name == "topic": continue
data += [cat.find("pattern").text]
print(data)
return jsonify({'data_set': data})
希望这有帮助!查看更多示例。太棒了!谢谢你,伙计!:)在我看到您的答案之前,我所做的是:*对于汤中的x.find_all('topic'):x.extract()**,当然这是不合适的,因为我已经删除了标记。但是当我使用你的代码打印汤时,它仍然在那里,我得到了预期的结果集。:)再次感谢!很高兴我能帮忙,去印更多的汤:)
@extract.route('/')
def index_page():
folder = 'templates/topic.aiml'
with open(folder, 'r') as myfile:
soup = BeautifulSoup(myfile.read(), 'html.parser')
data = []
for cat in soup.find_all('category'):
if cat.parent.name == "topic": continue
data += [cat.find("pattern").text]
print(data)
return jsonify({'data_set': data})