用beautifulsoup 解析xml 文件的html 视图？

Posted 2023-02-16

【中文标题】用beautifulsoup 解析xml 文件的html 视图？

【英文标题】：parsing an html view of an xml file with beautifulsoup?

【发布时间】：2022-01-12 06:36:10

【问题描述】：

我正在尝试从只能作为 html 页面访问的 XML 文件中抓取一些简单数据。

import requests
import pprint
import pandas as pd
from bs4 import BeautifulSoup

url = "https://musicbrainz.org/ws/2/artist/?query=artist:massive-attack"
resp = requests.get(url).text
soup = BeautifulSoup(resp, 'html.parser')
something = soup.find_all(string="artist")
metadata = soup.select("#folder0 > div:nth-child(1)")
beginarea = soup.select("#folder3 > div.opened > div:nth-child(1) > span:nth-child(2)")
print(something) 

每当我尝试选择一个元素并打印其内容时，我都会得到 []。我尝试了选择器和 BeautifulSoup 搜索方法，以及使用 ElementTree 将其解析为 XML 文件。我在这里想念什么？我似乎根本无法从页面中获取任何数据。 谢谢。

【问题讨论】：

试试soup = BeautifulSoup(resp, "lxml")让我知道它是否有效。

【参考方案1】：

from bs4 import BeautifulSoup
import requests


def main(url):
    r = requests.get(url)
    soup = BeautifulSoup(r.text, 'lxml')
    goal = [x.text for x in soup.select('area + name')]
    print(goal)


main('https://musicbrainz.org/ws/2/artist/?query=artist:massive-attack')

输出：

['Bristol', 'United Kingdom', 'United States', 'Australia', 'Sweden', 'New Jersey', 'Japan', 'France', 'United Kingdom', 'Australia', 'United Kingdom', 'Germany', 'United States', 'Germany', 'United Kingdom', 'France', 'Quebec']

【讨论】：

非常感谢！！这行得通！