1

我需要遍历 Beautiful Soup 元素并获取属性值： 对于 XML 文档：

<?xml version="1.0" encoding="UTF-8"?>

<Document>
    <Page x1="71" y1="120" x2="527" y2="765" type="page" chunkCount="25"
        pageNumber="1" wordCount="172">
        <Chunk x1="206" y1="120" x2="388" y2="144" type="unclassified">
            <Word x1="206" y1="120" x2="214" y2="144" font="Times-Roman" style="font-size:22pt">K</Word>
            <Word x1="226" y1="120" x2="234" y2="144" font="Times-Roman" style="font-size:22pt">O</Word>
        </Chunk>
     </Page>
</Document>

我想获得“Word”元素（206,226）的 x1 值。帮助很大！

编辑：我试过：

for i in soup.page.chunk:
    i.word['x1']

返回错误：

File "C:\Python26\lib\site-packages\BeautifulSoup.py", line 473, in __getattr__
    raise AttributeError, "'%s' object has no attribute '%s'" % (self.__class__.__name__, attr)
AttributeError: 'NavigableString' object has no attribute 'word'

尽管：

soup.page.chunk.word['x1']

工作正常......并且：

for i in soup.page.chunk:
    i.findNext(text=True)

获取元素的文本。

4

1 回答 1

3

这似乎工作，虽然不是那么优雅：

for word in soup.page.chunk.find_all('word'):
    print word['x1']

嵌套的 find_all 也应该可以工作。但可能最好使用类似 css 的选择（soupselect 或来自 lxml）。

基本上如果我没记错的话soup.page.chunk是一个节点，汤标签。所以如果你想要迭代，你必须调用 find_all。

更新。可以采用不同的方法find_all('word')，然后根据条件进行过滤，例如word.parent.name == 'smth'

[!] 在 BeautifulSoup3（不是 bs4）中应该findAll是find_all

于 2012-06-02T14:10:11.230 回答