从Beautifulsoup的“提取”标签中提取内容

Amrith Krishna 发表于 Dev

阿姆里斯·克里希纳（Amrith Krishna）

我在xml中有一个语料库，其中的一个标记名为extract <EXTRACT>。但该词是Beautifulsoup中的关键字。如何提取此标签的内容。当我写entry.extract.text它返回错误，当我使用时entry.extract，将提取全部内容。

据我对Beautifulsoup的了解，它执行标签的大小写折叠。如果有某种方法可以克服这一问题，对我也可能会有所帮助。

注意：目前，我已通过以下方法解决了该问题。

extra = entry.find('extract')
absts.write(str(extra.text))

但是我想知道是否有其他方法可以像其他标签一样使用它 entry.tagName

根据BS源代码tag.tagname实际上是tag.find("tagname")在后台调用。这__getattr__()是Tag类的方法的外观：

def __getattr__(self, tag):
    if len(tag) > 3 and tag.endswith('Tag'):
        # BS3: soup.aTag -> "soup.find("a")
        tag_name = tag[:-3]
        warnings.warn(
            '.%sTag is deprecated, use .find("%s") instead.' % (
                tag_name, tag_name))
        return self.find(tag_name)
    # We special case contents to avoid recursion.
    elif not tag.startswith("__") and not tag=="contents":
        return self.find(tag)
    raise AttributeError(
        "'%s' object has no attribute '%s'" % (self.__class__, tag))

看到它完全基于find()，因此tag.find("extract")在您的情况下可以使用：

from bs4 import BeautifulSoup


data = """<test><EXTRACT>extract text</EXTRACT></test>"""
soup = BeautifulSoup(data, 'html.parser')
test = soup.find('test')
print test.find("extract").text  # prints 'extract text'

另外，您可以使用test.extractTag.text，但已弃用，我不推荐使用。

希望能有所帮助。

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。