Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/python/278.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Python：如何提取嵌入在html文件中的xml？_Python_Xml_Screen Scraping - Fatal编程技术网
Fatal编程技术网
  • python/
  • Python：如何提取嵌入在html文件中的xml？

Python：如何提取嵌入在html文件中的xml？

python xml

Python：如何提取嵌入在html文件中的xml？,python,xml,screen-scraping,Python,Xml,Screen Scraping,我有一个嵌入xml的html文件，源代码粘贴在pastbin中： <html> <head> <title> test֤</title> </head> <body> <form name="acsForm" action="" method="post" > <textarea rows=10 cols=80 name="xmlText"><?xml v

我有一个嵌入xml的html文件，源代码粘贴在pastbin中：

<html>
  <head>
    <title> test֤</title>
  </head>
  <body>
    <form name="acsForm" action="" method="post" >
      <textarea rows=10 cols=80 name="xmlText"><?xml version="1.0" encoding="UTF-8"?>
        <samlp:Response xmlns:samlp="urn:oasis:names:tc:SAML:2.0:protocol">
        </samlp:Response> 
      </textarea>
      <textarea name="2nd"> text2....</textarea>             
    </form>
  </body>
</html>


测试֤
文本2。。。。
我的任务是从HTML中提取第一个
textarea
中包含的文本，这是一个XML片段。没有对原始代码段进行任何更改。我可以通过使用BeautifulSoup获得它，但它将所有标记名改为小写

尝试使用BeautifulSoup库的一部分，它是为XML设计的。

也许可以，尽管我自己从未使用过它，所以我不知道做你想做的事情有多容易/复杂。

（啊！为什么这么多作者似乎认为
内容不需要HTML转义？傻瓜！）

不幸的是，BeautifulSoup 3.1没有应用（不正确但常见的）处理
的浏览器修复。我刚刚尝试了BeautifulSoup 3.0，但它不适用于我：


xml ='<samlp:Response xmlns:samlp="urn:oasis:names:tc:SAML:2.0:protocol"></samlp:Resonse>'
print BeautifulSoup.BeautifulStoneSoup(xml)
<samlp:response xmlns:samlp="urn:oasis:names:tc:SAML:2.0:protocol"



xml=''
打印BeautifulSoup.BeautifulStoneSoup（xml）

最后我发现pyparsing是完成任务的最佳武器：

aStart，aEnd=makeHTMLTags（“textarea”）

搜索=aStart+SkipTo（aEnd）（“正文”）+aEnd

saml_resp_str=search.searchString（doc）[0]。正文
relay\u state\u str=search.searchString（doc）[1]。正文