当父标记的子代具有特定属性值时，如何使用BeautifulSoup获取父标记的名称值？

penny 发表于 Dev

一分钱

为了使这个问题更容易理解，下面是一个示例

<Tag name="Thumbnail" inline="no" nonsearchable="yes">
<Attribute>
<Attribute name="AText" Searchable="yes"></Attribute>
</Attribute>
</Tag>

<Tag name="Label" inline="no" nonsearchable="yes">
<Attribute>
<Attribute name="AText" Searchable="no"></Attribute>
</Attribute>
</Tag>

<Tag name="Image" inline="no" nonsearchable="yes">
<Attribute>
<Attribute name="BText" Searchable="yes">
</Attribute>
</Tag>

<Tag name="Wonder" inline="no" nonsearchable="yes">
<Attribute>
<Attribute name="BText" Searchable="yes"></Attribute>
</Attribute>
</Tag>

预期结果

因此，在excel中，如果Attribute标签的Searchable值为“ yes ” ，则第一行应为Attribute标签的名称值；然后，这些“合格”属性标签的父标签-标签-名称值将下面列出。

目前，我只能找到所有Tag的名称值，如果它们的子级Searchable值为“ yes”，但无法将其归类为相应的Attribute标记的名称值。下面是我的初始代码：

import os, openpyxl
from bs4 import BeautifulSoup

cwd = os.getcwd()

def func(x):
    for file in os.listdir(cwd):
        if file.endswith('.xml'):
            f = open(file, encoding = 'utf=8', mode = 'r+')
            soup = BeautifulSoup(f, 'lxml')
            AttrYES = soup.find_all(attrs={"Searchable": "yes"})
            for items in AttrYES:
                tagName = items.parent.parent.get('name')
                print (tagName)

x = os.listdir(cwd)
func(x)

我也会尝试解决这个问题，但是为了使过程更快，如果您有任何想法，请提出建议。谢谢！！

小小D

您的代码找不到任何内容，如果您进行打印AttrYES，它将为[]。问题是，当bs4与解析器一起使用时lxml，所有标记和属性名称都将转换为小写，请参阅官方文档。如果您打印汤，它将为您提供：

<html><body><tag inline="no" name="Thumbnail" nonsearchable="yes">
<attribute>
<attribute name="AText" searchable="yes"></attribute>
</attribute>
</tag>
<tag inline="no" name="Label" nonsearchable="yes">
<attribute>
<attribute name="AText" searchable="no"></attribute>
</attribute>
</tag>
<tag inline="no" name="Image" nonsearchable="yes">
<attribute>
<attribute name="BText" searchable="yes">
</attribute>
</attribute></tag>
<tag inline="no" name="Wonder" nonsearchable="yes">
<attribute>
<attribute name="BText" searchable="yes"></attribute>
</attribute>
</tag></body></html>

因此，您可以这样修改代码：

import bs4
f = open('test.xml',mode = 'r+')
soup = bs4.BeautifulSoup(f, 'lxml')
AttrYES = soup.findAll(attrs={'searchable': 'yes'})
result = dict()
for items in AttrYES:
    result[items.get('name')] = result.get(items.get('name'),[])+[items.parent.parent.get('name')]    
print(result)

打印将是：

{'AText': ['Thumbnail'], 'BText': ['Image', 'Wonder']}

然后，您可以将它们写入到您的excel文件中：

import xlsxwriter

workbook = xlsxwriter.Workbook('result.xlsx')
worksheet = workbook.add_worksheet()

# Write header
worksheet.write(0, 0, result.keys()[0])
worksheet.write(0, 1, result.keys()[1])

# Write data.
worksheet.write_column(1, 0, result.values()[0])
worksheet.write_column(1, 1, result.values()[1])

workbook.close()

该result.xlsx会是：

更新：使用openpyxl

from openpyxl import Workbook
wb = Workbook()

# grab the active worksheet
ws = wb.active

# Data can be assigned directly to cells
i,j = 1,1
for keys,values in a.items():
    ws.cell(column=i, row=1, value=keys)
    for row in range(len(values)):
        ws.cell(column=i, row=j+1, value=values[row])
        j+=1
    j=1
    i+=1
wb.save("result.xlsx")

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。