0

我正在尝试从Folger Library Shakespeare TEI XML editions中提取对话。典型的对话块如下所示：

<sp xml:id="sp-0024" who="#HORATIO">
<speaker xml:id="spk-0024">
<w xml:id="w0003030">HORATIO</w>
</speaker>
<ab xml:id="ab-0024">
<join type="line" xml:id="ftln-0024" n="1.1.24" ana="#short" target="#w0003040 #c0003050 #w0003060 #c0003070 #w0003080 #c0003090 #w0003100 #p0003110"/>
<w xml:id="w0003040" n="1.1.24">A</w>
<c xml:id="c0003050" n="1.1.24"> </c>
<w xml:id="w0003060" n="1.1.24">piece</w>
<c xml:id="c0003070" n="1.1.24"> </c>
<w xml:id="w0003080" n="1.1.24">of</w>
<c xml:id="c0003090" n="1.1.24"> </c>
<w xml:id="w0003100" n="1.1.24">him</w>
<pc xml:id="p0003110" n="1.1.24">.</pc>
</ab>
</sp>

我基本上想要得到如下所示的输出：['Horatio','A piece of him.'] 但对于特定角色的所有对话。换句话说，我希望能够输入 Folger Shakespeare TEI XML 文件并输出像 gertrude.txt 和 horatio.txt 这样的文件，每个文件都包含从该特定角色收集的所有对话。

我可以得到特定演讲者的所有对话/舞台方向/等，soup.find_all(who=u'#GERTRUDE')但是我似乎无法对结果做任何其他事情，比如进一步深入研究，获取标签之间的文本等，而无需重新解析数据重新来过。这是发生的事情：

>>> gertrude=soup.find_all(who=u'#GERTRUDE')
>>> gertrude.w
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'ResultSet' object has no attribute 'w'
>>> gertrude.get_text()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'ResultSet' object has no attribute 'get_text'
4

1 回答 1

1

BeautifulSoup 的.find_all()方法返回一个ResultSet对象，它是一种特殊的列表。您有 0 个或更多匹配项，您需要遍历该结果集或使用索引来获取结果集中包含的各个元素：

for speaker in soup.find_all(who=u'#GERTRUDE'):
于 2013-05-03T06:57:06.467 回答