python - 带有 SDMX 的 Python BS4

Question

我想检索 SDMX 文件中给出的数据（如https://www.bundesbank.de/cae/servlet/StatisticDownload?tsId=BBK01.ST0304&its_fileFormat=sdmx&mode=its）。我尝试使用 BeautifulSoup，但似乎看不到标签。在下面的代码中

import urllib2
from bs4 import BeautifulSoup 
url = "https://www.bundesbank.de/cae/servlet/StatisticDownload?tsId=BBK01.ST0304&its_fileFormat=sdmx"
html_source = urllib2.urlopen(url).read()
soup = BeautifulSoup(html_source, 'lxml')
ts_series = soup.findAll("bbk:Series")

这给了我一个空对象。

BS4 是错误的工具，还是（更有可能）我做错了什么？提前致谢

Answer 1

soup.findAll("bbk:series")将返回结果。

事实上，在这种情况下，即使您使用lxml解析器，BeautifulSoup 仍然会将其解析为 html，因为 html 标签不区分大小写，BeautifulSoup 将所有标签小写，因此soup.findAll("bbk:series")有效。请参阅官方文档中的其他解析器问题。

如果要将其解析为xml，请soup = BeautifulSoup(html_source, 'xml')改用。它还使用了lxml因为lxml是 BeautifulSoup 的唯一xml解析器。现在您可以使用ts_series = soup.findAll("Series")来获取结果，因为 beautifulSoup 将剥离命名空间部分bbk。