Python BS4与SDMX

Question

我想检索SDMX文件中给定的数据（比如https://www.bundesbank.de/cae/servlet/StatisticDownload?tsId=BBK01.ST0304&its_fileFormat=sdmx&mode=its）。我试图使用beauthoulsoup，但它似乎看不到标签。在下面的代码中

import urllib2
from bs4 import BeautifulSoup 
url = "https://www.bundesbank.de/cae/servlet/StatisticDownload?tsId=BBK01.ST0304&its_fileFormat=sdmx"
html_source = urllib2.urlopen(url).read()
soup = BeautifulSoup(html_source, 'lxml')
ts_series = soup.findAll("bbk:Series")

给了我一个空对象。在

BS4是错误的工具，还是（更有可能）我做错了什么？ 提前谢谢

Answer 1

soup.findAll("bbk:series")将返回结果。在

事实上，在这种情况下，即使您使用lxml作为解析器，BeautifulSoup仍然将其解析为html，因为html标记是不区分大小写的，beauthoulsoup会对所有标记进行分解，因此soup.findAll("bbk:series")也能工作。见官方文件Other parser problems。在

如果要将其解析为xml，请改用soup = BeautifulSoup(html_source, 'xml')。它还使用lxml，因为lxml是xml解析器BeautifulSoup拥有的。现在您可以使用ts_series = soup.findAll("Series")来获得结果，因为beautifulSoup将剥离名称空间部分bbk。在