0

我有一个实现 BeautifulSoup 的 Python 脚本，它解析同一目录中的 XML 文件。我想用完全相同的 XML 格式解析网站上的很多页面。我想为脚本提供一个 url，它可以在该 URL 处获取页面的 XML 并对其进行解析，而不是下载每个 XML 并更改xml_file原始代码中的内容。这是我的代码所需要的。我正在尝试xml_file="somefileID.xml"用获取页面 xml 的脚本替换。

#The program just goes through and pulls info from different tags.

from bs4 import BeautifulSoup
xml_file="somefileID.xml" #get this ID from the page using a script somehow??
#Then somehow put that id you got into "http://someurl.com/"+xml_file 
xml_string = open(xml_file).read() #go on to read your new xml file

#Status
soup = BeautifulSoup(xml_string)
status = soup.find('some-tag')['some-attribute']
print "\nSome Prompt: "+attribute+"\n"
print "Most Recent Event Information: \n"

#Most Recent Event Date
event_date = lambda x: x.name == "date"

events = soup.findAll(event_date)
if(events):
    # The last event-data
    print "Date: "+events[-2].text

print "Analysis Complete."

感谢您的任何想法！

4

1 回答 1

1

编辑：与任何互联网页面一样，您不能仅仅“查看”一个 xml 文件。当你加载一个页面时，你下载它。

import urllib
xml_file= urllib.urlopen("somefileID.xml")

会这样做。

编辑2： 你说得对，这xml_file= urllib.urlopen("http://site.com/xml-download")将检索xml。该 url 是存储在网站上的文本的链接。但是，要访问该文本，您必须先下载它。

于 2013-07-04T01:09:33.633 回答