Python 使用BeautifulSoup解析xml：具有相同名称的多个标记-如何找到正确的ID

我有一些xml：

<sporsmal_liste>
    <sporsmal>
        <versjon>1.0</versjon>
        <besvart_av>
            <versjon>1.0</versjon>
            <doedsdato>0001-01-01T00:00:00</doedsdato>
            <etternavn>Giske</etternavn>
            <foedselsdato>1966-11-07T00:00:00</foedselsdato>
            <fornavn>Trond</fornavn>
            <id>TG</id>
            <kjoenn>mann</kjoenn>
        </besvart_av>
       <besvart_av_minister_id>NHD</besvart_av_minister_id>
       <besvart_av_minister_tittel>nærings- og handelsministeren</besvart_av_minister_tittel>
       <besvart_dato>2010-10-11T00:00:00</besvart_dato>
       <besvart_pa_vegne_av i:nil="true"/>
       <besvart_pa_vegne_av_minister_id i:nil="true"/>
       <besvart_pa_vegne_av_minister_tittel i:nil="true"/>
       <datert_dato>2010-09-30T00:00:00</datert_dato>
       <emne_liste/>
       <flyttet_til>ikke_spesifisert</flyttet_til>
       <fremsatt_av_annen i:nil="true"/>
       <id>47703</id>
       <rette_vedkommende i:nil="true"/>
       <rette_vedkommende_minister_id i:nil="true"/>
       <rette_vedkommende_minister_tittel i:nil="true"/>
       <sendt_dato>2010-10-01T00:00:00</sendt_dato>
       <sesjon_id>2009-2010</sesjon_id>
       <sporsmal_fra>
           <versjon>1.0</versjon>
           <doedsdato>0001-01-01T00:00:00</doedsdato>
           <etternavn>Nørve</etternavn>
           <foedselsdato>1951-03-29T00:00:00</foedselsdato>
           <fornavn>Elisabeth Røbekk</fornavn>
           <id>ELN</id>
           <kjoenn>kvinne</kjoenn>
           <fylke>
               <versjon>1.0</versjon>
               <id>MR</id>
               <navn>Møre og Romsdal</navn>
          </fylke>
          <parti>
              <versjon>1.0</versjon>
              <id>H</id>
              <navn>Høyre</navn>
          </parti>
     </sporsmal_fra>
     <sporsmal_nummer>1808</sporsmal_nummer>
     <sporsmal_til>
         <versjon>1.0</versjon>
         <doedsdato>0001-01-01T00:00:00</doedsdato>
         <etternavn>Giske</etternavn>
         <foedselsdato>1966-11-07T00:00:00</foedselsdato>
         <fornavn>Trond</fornavn>
         <id>TG</id>
         <kjoenn>mann</kjoenn>
     </sporsmal_til>
     <sporsmal_til_minister_id>NHD</sporsmal_til_minister_id>
     <sporsmal_til_minister_tittel>nærings- og handelsministeren</sporsmal_til_minister_tittel>
     <status>besvart</status>
     <tittel>Jeg viser til ... [longer text a have shortend..]</tittel>
     <type>skriftlig_sporsmal</type>
</sporsmal>
<sporsmal>   ... another sporsmal (question) </sporsmal>
<sporsmal> en the next one.... </sporsmal>
..more of these..
</sporsmal_liste>

这很有效。它返回ELN，即提问者的id。问题在于项目本身的id（），它是47703，但我似乎无法“以正常方式”获取它：

而“TG”应该是

question.besvart_av.id.text 
# answered by

或

的确如此。这两种方法都返回TG，但是：

question.id.text

应该返回47703，但它没有返回。 （或者我如何才能获得id 47703？）

那么我做错了什么

---

PS：因为我这里的xml可能会让非挪威人感到困惑，所以我在我的示例中编辑并选择了其他名称不那么混乱的字段。

我从这个问题中学到了一些东西。当你做

汤。

时，与你期望的不同，它是一个递归调用。这就是为什么它会给你一个ID“TG”，因为它是第一个递归遇到的

因此，根据我的理解，您可以在同一级别上进行如下搜索：

>>> for q in soup.find_all("sporsmal"):
...     print q.find("id", recursive=False).text
... 
47703
>>> for q in soup.find_all("sporsmal"):
...     print q.find("id", recursive=True).text
... 
TG
>>> for q in soup.find_all("sporsmal"):
...     print q.find("id").text # By default, the recursive call is true.
... 
TG

soup = BeautifulSoup(r.content, "xml")

我认为它是递归的一些原因：

>>> soup.id
<id>TG</id>

---

我从这个问题中学到了一些东西。当你做

汤。

时，与你期望的不同，它是一个递归调用。这就是为什么它会给你一个ID“TG”，因为它是第一个递归遇到的

因此，根据我的理解，您可以在同一级别上进行如下搜索：

>>> for q in soup.find_all("sporsmal"):
...     print q.find("id", recursive=False).text
... 
47703
>>> for q in soup.find_all("sporsmal"):
...     print q.find("id", recursive=True).text
... 
TG
>>> for q in soup.find_all("sporsmal"):
...     print q.find("id").text # By default, the recursive call is true.
... 
TG

soup = BeautifulSoup(r.content, "xml")

我认为它是递归的一些原因：

>>> soup.id
<id>TG</id>

---

这里是第一个问题：您正在使用HTML解析器解析XML。由于这不是一个定义良好的HTML，它对结构感到困惑。要执行此操作，您需要安装lxml，并按如下方式初始化soup：

>>> for q in soup.find_all("sporsmal"):
...     print q.find("id", recursive=False).text
... 
47703
>>> for q in soup.find_all("sporsmal"):
...     print q.find("id", recursive=True).text
... 
TG
>>> for q in soup.find_all("sporsmal"):
...     print q.find("id").text # By default, the recursive call is true.
... 
TG

soup = BeautifulSoup(r.content, "xml")

---

然而，至少还有一个问题，因为这也不能正确地解析它。如果我弄明白了，就会更新。

这里是第一个问题：您正在使用HTML解析器解析XML。由于这不是一个定义良好的HTML，它对结构感到困惑。要执行此操作，您需要安装lxml，并按如下方式初始化soup：

>>> for q in soup.find_all("sporsmal"):
...     print q.find("id", recursive=False).text
... 
47703
>>> for q in soup.find_all("sporsmal"):
...     print q.find("id", recursive=True).text
... 
TG
>>> for q in soup.find_all("sporsmal"):
...     print q.find("id").text # By default, the recursive call is true.
... 
TG

soup = BeautifulSoup(r.content, "xml")

---

然而，至少还有一个问题，因为这也不能正确地解析它。如果我弄明白了，就会更新。

您的第一个代码段有

问题。sposmal_til.id.text

应该是

TG

。您确定

question.id.text

没有返回47703吗？很遗憾，是的

question.id.text

返回u'TG'，u'EGS'等等。（例如，元素中的第一个id，但第一个在子节点（besvart_av）中，而不是我要查找的id。）您的第一个代码段有

问题。sposmal_til.id.text

应该是

TG

。您确定

question.id.text

没有返回47703吗？很遗憾，是的

question.id.text

返回u'TG'，u'EGS'等等。（例如，elemens中的第一个id，但第一个在子节点（besvart_av）中，而不是我正在寻找的id。）不，它不执行递归调用-这是具有结构的全部要点。它在指定的子树中执行递归调用。是的，但他只对

标记执行find_all（），而不是

id

，当你在一个点后面放一个标记名时，重点是只在直接的子元素中搜索。是的，所以我仍然不确定解析树的点符号，但我认为这就是正在发生的事情

question.id

给了他子树中的第一个。我现在正试图研究这个问题。不，它不做递归调用-这就是有结构的全部意义。它在你指定的子树中做递归调用。是的，但他只是对

标记做一个find_all（），而不是

id

，当你把标记名放在一个点之后，重点是只在直系子代中搜索。是的，所以我仍然不确定解析树的点符号，但我认为这就是正在发生的事情<代码>问题.id给了他子树中的第一个问题。我现在正在努力研究这个问题。我现在已经这样做了，虽然我自己解决不了问题，但我感谢纠正。我现在已经这样做了，虽然我自己解决不了问题，但我感谢纠正。