Python BeautifulSoup 给出不同的结果
Python BeautifulSoup giving different results
我正在尝试使用 BeautifulSoup 解析 xml 文件。考虑一个 sampleinpt xml 文件如下：
<DOC>
<DOCNO>1</DOCNO>
....
</DOC>
<DOC>
<DOCNO>2</DOCNO>
....
</DOC>
...
此文件包含 130 个 <DOC> 标签。但是，当我尝试使用 BeautifulSoup 的 findAll 函数解析它时，它会检索随机数量的标签（通常在 15 - 25 之间），但永远不会是 130。我使用的代码如下：
from bs4 import BeautifulSoup
z = open("filename").read()
soup = BeautifulSoup(z, "lxml")
print len(soup.findAll('doc'))
#more code involving manipulation of results
谁能告诉我我做错了什么？提前致谢！
您告诉 BeautifulSoup 使用 lxml 提供的 HTML 解析器。如果你有一个 XML 文档，你应该坚持使用 XML 解析器选项：
soup = BeautifulSoup(z, 'xml')
否则解析器将尝试'repair' XML 以适应HTML 规则。 XML BeautifulSoup 中的解析也由 lxml 库处理。
请注意 XML 区分大小写 因此您现在需要搜索 DOC 元素。
对于XML文档，可能是lxml提供的ElementTreeAPI效率更高；例如，它支持 XPath 查询，而 BeautifulSoup 不支持。
但是，从您的样本来看，似乎没有 顶级元素；就好像您的文档由一整套 XML 文档组成。这会使您的输入 无效 ，并且解析器可能只是坚持只将第一个元素解析为顶级文档。
我正在尝试使用 BeautifulSoup 解析 xml 文件。考虑一个 sampleinpt xml 文件如下：
<DOC>
<DOCNO>1</DOCNO>
....
</DOC>
<DOC>
<DOCNO>2</DOCNO>
....
</DOC>
...
此文件包含 130 个 <DOC> 标签。但是，当我尝试使用 BeautifulSoup 的 findAll 函数解析它时，它会检索随机数量的标签（通常在 15 - 25 之间），但永远不会是 130。我使用的代码如下：
from bs4 import BeautifulSoup
z = open("filename").read()
soup = BeautifulSoup(z, "lxml")
print len(soup.findAll('doc'))
#more code involving manipulation of results
谁能告诉我我做错了什么？提前致谢！
您告诉 BeautifulSoup 使用 lxml 提供的 HTML 解析器。如果你有一个 XML 文档，你应该坚持使用 XML 解析器选项：
soup = BeautifulSoup(z, 'xml')
否则解析器将尝试'repair' XML 以适应HTML 规则。 XML BeautifulSoup 中的解析也由 lxml 库处理。
请注意 XML 区分大小写 因此您现在需要搜索 DOC 元素。
对于XML文档，可能是lxml提供的ElementTreeAPI效率更高；例如，它支持 XPath 查询，而 BeautifulSoup 不支持。
但是，从您的样本来看，似乎没有 顶级元素；就好像您的文档由一整套 XML 文档组成。这会使您的输入 无效 ，并且解析器可能只是坚持只将第一个元素解析为顶级文档。