在循环中使用TEI XML解析器

Question

我发现this篇关于解析TEI XML的文章在处理单个XML文件时非常有用。但是，我有一个完整的目录。我的dir循环没有执行，我不知道为什么

from bs4 import BeautifulSoup
import os.path
import glob

tei_docs = "../input/tei-xml-files"
    def read_tei(tei_docs):
    os.chdir(tei_docs)
for i in glob.glob(os.path.join(tei_docs, "*.xml")):
    read_file(i)

def read_file(i):

with open(i, "r") as tei:
    soup = BeautifulSoup(tei, 'lxml')

soup.title.getText()

我得到输出

名称错误
回溯（最近一次呼叫最后一次） 在

----->；1.title.getText（）

NameError:未定义名称“soup”

Answer 1

代码中有几个问题，包括缩进错误。我还编写了一个脚本，用漂亮的汤从XML文件中读取标题，如下所示：

#!/usr/bin/env python
# coding: utf-8

from bs4 import BeautifulSoup
import os
from os.path import dirname, join
directory=("C:\\Users\\mbarg\\Documents\\corpus") # location of XML files on local drive

results=[] # create result list
for infile in os.listdir(directory):
    filename=join(directory, infile)
    indata=open(filename,"r", encoding="utf-8", errors="ignore") # UTF-8 encoding errors are ignored
    contents = indata.read()
    soup = BeautifulSoup(contents,'xml')
    titles = soup.find_all('title') # get item titles
    for title in titles:
        print(title.get_text())
        results.append(title.get_text())
print(results) # result list is shown on screen