Python靓汤寻找标签最有效的方法

Question

我正在使用python和beauthoulsoup解析许多大型XML文件。我经常遇到以下任务：

<Section1>
    <Report>
        <Matrix>...</Matrix>
        <Matrix>...</Matrix>
        <Matrix>...</Matrix>
        <Matrix>...</Matrix>
    </Report>
</Section1>

我试图收集和迭代所有的矩阵。我使用如下代码：

^{pr2}$

为什么我不能用这样的选择器？在

matrices = soup.find("Section1 Matrix")

有没有更快的方法？有时我访问的节点嵌套在XML中更远的地方，我需要确保它们是子节点，但不一定是其他几个节点的直接子节点。提供的示例a是一种简化。任何帮助都将不胜感激。在

Answer 1

BeautifulSoup "supports CSS selectors"您需要将选择器传递给.select方法

In [1]: from bs4 import BeautifulSoup as BS

In [2]: soup = BS("""<Section1>
   ...:     <Report>
   ...:         <Matrix>...</Matrix>
   ...:         <Matrix>...</Matrix>
   ...:         <Matrix>...</Matrix>
   ...:         <Matrix>...</Matrix>
   ...:     </Report>
   ...: </Section1>""", "xml")

In [3]: soup.select("Section1 Matrix")
Out[3]: 
[<Matrix>...</Matrix>,
 <Matrix>...</Matrix>,
 <Matrix>...</Matrix>,
 <Matrix>...</Matrix>]

---

如果您希望获得文档中所有的Matrix节点，则可以使用 来自^{}¹的^{}类。在

^{pr2}$

---

¹如果cssselect尚未与pip一起安装，则需要安装它：pip install cssselect