Python很好地解释了如何从xml文件中获取标记和文本,即使不知道标记的所有名称

Python很好地解释了如何从xml文件中获取标记和文本,即使不知道标记的所有名称,python,xml,beautifulsoup,Python,Xml,Beautifulsoup,我有这样一个xml文件: <a> <b>1</b> <c>2</c> <d> <e>3</e> </d> </a> <a> <c>4</c> <f value ="something">5</f> <g value = "other"></g> </a

我有这样一个xml文件:

 <a>
  <b>1</b>
  <c>2</c>
  <d>
    <e>3</e>
  </d>
</a>
<a>
  <c>4</c>
  <f value ="something">5</f>
  <g value = "other"></g>
</a>
这是一个很大的xml文件,不是标准的,所以我只知道
存在,我希望所有信息都包含在这个标记中

我已经试过BeautifulSoup4,但我只能检索文本部分

我的代码

def ProcessXml(xmlFile):
    infile = open(xmlFile, 'r')
    contents = infile.read()
    soup = BeautifulSoup(contents,'xml')
    units = soup.find_all('a')
    unitsList = []
    for i in units:
        resultType = i.text,i.next_sibling
        resultType = resultType[0].splitlines()
        for j in resultType:
            if j == '':
                resultType.remove(j)
        unitsList.append((resultType))

    return unitsList
我的输出:

[['1','2','3'],['4','5']]

这是一个非常糟糕的代码,但它确实起到了作用:

def len_descendant(desc):
    counter = 0
    try:
        for i in desc.descendants:
            if i!='' and i !='\n':
                counter += 1
    except Exception:
        pass
    return counter 

def ProcessXml():  
    infile = open("xmlfile.xml", 'r')
    contents = infile.read()
    soup = BeautifulSoup(contents,'lxml')
    units = soup.find_all('a')
    unitsList = []
    for i in units:
        this_dict = {}
        for desc in i.descendants:
            print desc, len_descendant(desc)

            try:
                if desc.has_attr('value'):
                    has_attribute = True
            except Exception:
                has_attribute = False

            if len_descendant(desc)==1 or has_attribute:
                if desc.has_attr('value'):
                    key = desc.name + " " + desc.attrs.keys()[0] + '=\"' + desc.attrs.values()[0] + '\"'
                else:
                    key = desc.name

                try:
                    value = int(desc.text)
                except Exception:
                    value = None
                this_dict[key] = value
        unitsList.append(this_dict)

    return unitsList

my_dict = ProcessXml()
结果是:

[{'c': 2, 'b': 1, 'e': 3}, {'f value="something"': 5, 'c': 4, 'g value="other"': 1}]
注意:正如MYGz所提到的,
'g value=“other”}]
部分无效,因此我认为这是我尝试使用该函数的XML文件:

<a>
  <b>1</b>
  <c>2</c>
  <d>
    <e>3</e>
  </d>
</a>
<a>
  <c>4</c>
  <f value ="something">5</f>
  <g value = "other">1</g>
</a>

1.
2.
3.
4.
5.
1.

这是我将使用的代码。这是对@Stergios编写的代码的改编。(适用于python 3)

这在bs4中是可能的。哪一部分对你不起作用?我是bs4和python新手,我只知道:units=soup。在units中查找I的所有('a'):resultType=I.text,I.next_sibling谢谢@tankorsmash你能把它编辑到你的问题中吗?这会帮助别人回答你的问题。难以阅读的未格式化代码。完成!谢谢@tankorsmash你试过了吗?非常感谢@Stergios还有一件事,我真的需要返回类似{'g vale=“other”:None}的内容,但我想不出我已经更新了上面的代码。这是有史以来最糟糕的代码,但它完成了任务:)非常感谢!!我们同时发布代码,但您的代码看起来更好:)
<a>
  <b>1</b>
  <c>2</c>
  <d>
    <e>3</e>
  </d>
</a>
<a>
  <c>4</c>
  <f value ="something">5</f>
  <g value = "other">1</g>
</a>
def len_descendant(desc):
    counter = 0
    try:
        for i in desc.descendants:
            #print (i)
            if i!='' and i !='\n':
                counter += 1
    except Exception:
        pass
    return counter 

def ProcessXmlTwo(fileName):  
    infile = open(fileName, 'r')
    contents = infile.read()
    soup = BeautifulSoup(contents,'xml')
    units = soup.find_all('a')
    #print (units)
    unitsList = []
    for i in units:
        this_dict = {}
        for desc in i.descendants:
            flagNoKey = False
            if len_descendant(desc)==1 or 'value="true"/>' in str(desc) or 'value="false"/>' in str(desc):
                if desc.has_attr('value'):
                    #print (desc.name)
                    key = desc.name + " " + list(desc.attrs.keys())[0] + '=\"' + list(desc.attrs.values())[0] + '\"'
                elif 'value="true"/>' in str(desc) or 'value="false"/>' in str(desc):
                    flagNoKey = True
                    key = desc.name + " " + list(desc.attrs.keys())[0] + '=\"' + list(desc.attrs.values())[0] + '\"'
                else:
                    key = desc.name
                if flagNoKey == False:
                    this_dict[key] = desc.text
                else:
                    this_dict[key] = "None"

        unitsList.append(this_dict)

    return unitsList