10

我正在尝试从网站解析。我被困住了。我将在下面提供 XML。它来自一个网站。我有两个问题。从网站读取 xml 的最佳方法是什么，然后我无法深入挖掘 xml 以获得所需的速率。

我需要回来的数字是 Base:OBS_VALUE 0.12

到目前为止我所拥有的：

from xml.dom import minidom
import urllib


document = ('http://www.newyorkfed.org/markets/omo/dmm/fftoXML.cfm?type=daily''r')
web = urllib.urlopen(document)
get_web = web.read()
xmldoc = minidom.parseString(document)

ff_DataSet = xmldoc.getElementsByTagName('ff:DataSet')[0]

ff_series = ff_DataSet.getElementsByTagName('ff:Series')[0]

for line in ff_series:
    price = line.getElementsByTagName('base:OBS_VALUE')[0].firstChild.data
    print(price)

来自网站的 XML 代码：

-<Header> <ID>FFD</ID>
 <Test>false</Test> 
 <Name xml:lang="en">Federal Funds daily averages</Name> <Prepared>2013-05-08</Prepared>
 <Sender id="FRBNY"> <Name xml:lang="en">Federal Reserve Bank of New York</Name> 
<Contact>   
<Name xml:lang="en">Public Information Web Team</Name> <Email>ny.piwebteam@ny.frb.org</Email>  
</Contact> 
</Sender> 
<!--ReportingBegin></ReportingBegin-->
</Header> 
<ff:DataSet> -<ff:Series TIME_FORMAT="P1D" DISCLAIMER="G" FF_METHOD="D" DECIMALS="2" AVAILABILITY="A"> 
<ffbase:Key> 
<base:FREQ>D</base:FREQ> 
<base:RATE>FF</base:RATE>
<base:MATURITY>O</base:MATURITY> 
<ffbase:FF_SCOPE>D</ffbase:FF_SCOPE> 
</ffbase:Key> 
<ff:Obs OBS_CONF="F" OBS_STATUS="A">
<base:TIME_PERIOD>2013-05-07</base:TIME_PERIOD>
<base:OBS_VALUE>0.12</base:OBS_VALUE>
4

2 回答 2

8

如果你想坚持使用 xml.dom.minidom，试试这个......

from xml.dom import minidom
import urllib

url_str = 'http://www.newyorkfed.org/markets/omo/dmm/fftoXML.cfm?type=daily'
xml_str = urllib.urlopen(url_str).read()
xmldoc = minidom.parseString(xml_str)

obs_values = xmldoc.getElementsByTagName('base:OBS_VALUE')
# prints the first base:OBS_VALUE it finds
print obs_values[0].firstChild.nodeValue

# prints the second base:OBS_VALUE it finds
print obs_values[1].firstChild.nodeValue

# prints all base:OBS_VALUE in the XML document
for obs_val in obs_values:
    print obs_val.firstChild.nodeValue

但是，如果要使用 lxml，请使用 underrun 的解决方案。此外，您的原始代码有一些错误。您实际上是在尝试解析文档变量，即 Web 地址。您需要解析从网站返回的 xml，在您的示例中是 get_web 变量。

于 2013-05-08T13:52:21.803 回答
3

看看你的代码：

document = ('http://www.newyorkfed.org/markets/omo/dmm/fftoXML.cfm?type=daily''r')
web = urllib.urlopen(document)
get_web = web.read()
xmldoc = minidom.parseString(document)

我不确定你的文档是否正确，除非你想要http://www.newyorkfed.org/markets/omo/dmm/fftoXML.cfm?type=dailyr，因为这就是你会得到的（在这种情况下，parens 组和彼此相邻列出的字符串会自动连接）。

之后你做了一些工作来创建 get_web 但是你没有在下一行中使用它。相反，您尝试解析您的document哪个是网址...

除此之外，我完全建议您使用 ElementTree，最好是 lxml 的 ElementTree ( http://lxml.de/ )。此外，lxml 的 etree 解析器接受一个类似文件的对象，它可以是 urllib 对象。如果你这样做了，在整理完文档的其余部分之后，你可以这样做：

from lxml import etree
from io import StringIO
import urllib

url = 'http://www.newyorkfed.org/markets/omo/dmm/fftoXML.cfm?type=daily'
root = etree.parse(urllib.urlopen(url))

for obs in root.xpath('/ff:DataSet/ff:Series/ff:Obs'):
    price = obs.xpath('./base:OBS_VALUE').text
    print(price)
于 2013-05-08T13:39:54.750 回答