3

我有一个xml 文件。
这是我在 Google-blogger 中的文件列表，我如何在 python 中解析它以获取每篇文章？请给我正确的代码，它可以得到准确的结果。

import feedparser
d = feedparser.parse('blog.xml')
for entry in d.entries:
    print entry.content[0]['value']

我在 google-blogger 中获取了我所有的文章，但是文件的格式很乱，我可以只得到 woeds 来删除输出中的 html 标签吗？

4

1 回答 1

2

那是一个Atom 提要；使用feedparser将该文件解析为单独的文章。

import feedparser
d = feedparser.parse('/path/to/your/xmlfile.xml')
for entry in d.entries:
    print entry.title

这打印：

模板: R
为此博客设置的发布类型。
此博客管理员的电子邮件列表。
此博客是否包含成人内容
是否允许使用备用的 JS 渲染
博客的 Google Analytics（分析）帐号
存档索引日期格式的编号
此博客的存档频率应该为多少
有权进行发布的作者的电子邮件列表。
是否在博客中显示评论反向链接
是否为每个帖子提供存档页
哪些人能发表评论
是否要求评论者完成 Captcha
用于接收新评论通知的电子邮件地址列表
为博客评论所提供的 Feed 类型
博客评论表位置
博客评论消息
是否启用评论审阅
新评论进行审阅的天数
用于接收需要审阅新评论的通知的电子邮件地址

等等

您可以通过查看.keys()方法的结果来查看每个条目定义的项目：

>>> d.entries[0].keys()
['updated', u'gd_image', 'updated_parsed', 'published_parsed', 'tags', 'title', 'links', 'summary', 'content', 'guidislink', 'title_detail', 'link', 'author', 'published', 'authors', 'author_detail', 'id']

如果要将 HTML 内容转换为文本，有几个选项。大多数列在： Extracting text from HTML file using Python

于 2013-03-28T07:50:28.927 回答