使用 BeautifulSoup 迭代 XML 以提取特定标签并存储在变量中

Posted 2023-02-23

【中文标题】使用 BeautifulSoup 迭代 XML 以提取特定标签并存储在变量中

【英文标题】：Use BeautifulSoup to Iterate over XML to pull specific tags and store in variable

【发布时间】：2013-11-20 14:33:22

【问题描述】：

我对编程还很陌生，一直在努力寻找解决方案，但我只能找到零碎的东西，没有真正的运气将它们放在一起。

我正在尝试使用python 中的BeautifulSoup4 来抓取一些xml 并将文本值存储在变量的特定标签之间。数据来自医学生培训计划，现在需要手动找到所需的一切。所以我正在尝试通过一个抓取程序来提高效率。

假设我正在查看这种类型的测试数据进行实验：

<AllergyList>
<Allergy>
    <Deleted>n</Deleted>
    <Status>
        <Active/>
    </Status>
    <ExternalID/>
    <Patient>
        <ExternalID/>
        <FirstName>Testcase</FirstName>
        <LastName>casetest</LastName>
    </Patient>
    <Allergen>
        <Name>Flagyl (metronidazole)</Name>
        <Drug>
           <NDCID>00025182151,00025182131,00025182150</NDCID>
        </Drug>
    </Allergen>
    <Reaction>difficulty breathing</Reaction>
    <OnsetDate>02/02/2013</OnsetDate>
 </Allergy>
<Allergy>
    <Deleted>n</Deleted>
    <Status>
        <Active/>
    </Status>
    <ExternalID/>
    <Patient>
        <ExternalID/>
        <FirstName>Testcase</FirstName>
        <LastName>casetest</LastName>
    </Patient>
    <Allergen>
        <Name>Bactrim (sulfamethoxazole-trimethoprim)</Name>
        <Drug>
            <NDCID>13310014501,49999023220</NDCID>
        </Drug>
    </Allergen>
    <Reaction>swelling</Reaction>
    <OnsetDate>05/03/2002</OnsetDate>
  </Allergy>
  <Number>2</Number>
</AllergyList>

我一直在尝试从多个<Allergen> 标签之间提取<Name> 标签以及<Onsetdate> 和<Reaction> 标签之间的相应数据，同时将拉取结果存储到相应的标签中变量。

例如，我想提取Flagyl (metronidazole)、difficulty breathing、02/02/2013，然后是Bactrim (sulfamethoxazole-trimethoprim)、swelling、05/03/2002 等等，同时将它们放在单独的变量中，以便以后使用.

从<Allergen> 标记中提取第一组很容易，但我无法弄清楚如何迭代xml 并将提取的数据存储到变量中。我一直在尝试使用 for 循环，同时将数据存储到数组或列表中，但是我一直在编写它的方式，我总是根据我从 @987654339 计算的迭代次数一遍又一遍地提取相同的数据@ 函数，此后未能将其中任何一个存储到数组中。

我为此绞尽脑汁已经有一段时间了，我认为我可能没有那么聪明，因此非常感谢任何帮助甚至为我指明正确的方向。

【问题讨论】：

看看***.com/questions/5530857/…和***.com/questions/418497/…

【参考方案1】：

这似乎是一项简单的任务，因为没有很多嵌套标签：

from bs4 import BeautifulSoup
import sys 

soup = BeautifulSoup(open(sys.argv[1], 'r'), 'xml')

allergies = []
for allergy in soup.find_all('Allergy'):
    d =  
        'name': allergy.Allergen.Name.string,
        'reaction': allergy.Reaction.string,
        'on_set_date': allergy.OnsetDate.string,
       
    allergies.append(d)

## Use 'allergies' array of dictionaries as you want.
## Example:
print(allergies[1]['reaction'])

使用xml 文件作为参数运行它：

python3 script.py xmlfile

这个测试产生：

swelling

【讨论】：

哇，这么简单，它就成功了。我以前没有想过使用字典。我是编程新手，对 BeautifulSoup 不太熟悉，所以这很有帮助！