使用BeautifulSoup的Python XML解析器。如何去除标签？

Question

为了一个项目，我决定做一个帮助人们在Twitter上找到朋友的应用。

我已经能够从xml页面中提取用户名。比如说，使用我现在的代码，我可以从一个XML页面中获取到 <uri>http://twitter.com/username</uri> 这样的内容，但我想用 Beautiful Soup 来去掉 <uri> 和 </uri> 这些标签。

这是我现在的代码：

import urllib
import BeautifulSoup

doc = urllib.urlopen("http://search.twitter.com/search.atom?q=travel").read()

soup = BeautifulStoneSoup(''.join(doc))
data = soup.findAll("uri")

Answer 1

关于你提到的BeautifulSoup，text是用来获取每个<uri>标签内容的工具。在这里，我用列表推导式把信息提取出来：

>>> uris = [uri.text for uri in soup.findAll('uri')]
>>> len(uris)
15
>>> print uris[0]
http://twitter.com/MarieJeppesen

不过，正如zeekay所说，使用Twitter的REST API查询Twitter会更好。

Answer 2

不要用BeautifulSoup来解析Twitter的数据，应该使用他们的API（另外也不要用BeautifulSoup，建议使用lxml）。关于你的问题：

import urllib
from BeautifulSoup import BeautifulSoup

resp = urllib.urlopen("http://search.twitter.com/search.atom?q=travel")
soup = BeautifulSoup(resp.read())
for uri in soup.findAll('uri'):
    uri.extract()