使用 BeautifulSoup 在 Python 中查找非递归 DOM 子节点

Posted 2023-02-23

【中文标题】使用 BeautifulSoup 在 Python 中查找非递归 DOM 子节点

【英文标题】：Finding a nonrecursive DOM subnode in Python using BeautifulSoup

【发布时间】：2014-02-04 12:40:06

【问题描述】：

有没有办法在 Python 中使用 BeautifulSoup 找到非递归 DOM 子节点？

例如考虑解析pom.xml 文件：

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">

    <parent>
        <groupId>com.parent</groupId>
        <artifactId>parent</artifactId>
        <version>1.0-SNAPSHOT</version>
        <relativePath>../pom.xml</relativePath>
    </parent>

    <modelVersion>2.0.0</modelVersion>
    <groupId>com.parent.somemodule</groupId>
    <artifactId>some_module</artifactId>
    <packaging>jar</packaging>
    <version>1.0-SNAPSHOT</version>
    <name>Some Module</name>
    ...

如果我想在顶层获得groupId（特别是project->groupId，而不是project->parent->groupId），我使用：

with open(pom) as pomHandle:
    soup = BeautifulSoup(pomHandle)

groupId = soup.groupid.text

但不幸的是，无论层次结构级别如何，它都会在文件中找到groupId 的第一个物理匹配项，即project->parent->groupId。我实际上只想在特定节点级别而不是在其子节点中进行非递归查找。有没有办法在BeautifulSoup 中做到这一点？

【问题讨论】：

为什么要使用 BeautifulSoup（一个 html 解析器）来解析格式良好的 XML？ Python 有一个非常好的 XML 解析器。

这就是为什么：***.com/questions/21146417/…

因为我不想处理命名空间 BS，这显然是不可忽视的

【参考方案1】：

您可以使用recursive=False 在“项目”节点内搜索：

groupId = soup.project.find('groupid', recursive=False).text

希望对您有所帮助。

【讨论】：

你是我今天的人物，@alecxe