使用Python从字符串获取XML值

Question

我想使用Python识别字符串中的所有TIMEX3值。例如，如果我的字符串是：

 Ecole Polytechnique, maar hij bleef daar slechts tot <TIMEX3 tid="t5" type="DATE" value="1888">1888</TIMEX3>. 
 Daarna had hij een korte carriere bij het leger als officier d'artillerie in <TIMEX3 tid="t6" type="DATE" value="1889">1889</TIMEX3>

我想把名单拿回来

 ["1888", "1889"]

到目前为止，我尝试使用xml.eTree.ElementTree文件，但这会导致我的数据崩溃，并出现解析错误-格式不正确，令牌消息无效。我在想也许我可以用正则表达式来避免这种情况？非常感谢您的帮助，谢谢！你知道吗

Answer 1

你可以用BeautifulSoup。你知道吗

>>> from bs4 import BeautifulSoup
>>> s = '''Ecole Polytechnique, maar hij bleef daar slechts tot <TIMEX3 tid="t5" type="DATE" value="1888">1888</TIMEX3>. 
 Daarna had hij een korte carriere bij het leger als officier d'artillerie in <TIMEX3 tid="t6" type="DATE" value="1889">1889</TIMEX3>'''
>>> soup = BeautifulSoup(s)
>>> [i.text for i in soup.find_all('timex3')]
['1888', '1889']
>>> [i['value'] for i in soup.find_all('timex3')]
['1888', '1889']
>>> [i['value'] for i in soup.find_all('timex3') if i.has_attr("value")]
['1888', '1889']

Answer 2

如果要使用正则表达式，可以执行以下操作：

>>> import re
>>> s = """
... Ecole Polytechnique, maar hij bleef daar slechts tot <TIMEX3 tid="t5" type="DATE" value="1888">1888</TIMEX3>. 
...  Daarna had hij een korte carriere bij het leger als officier d'artillerie in <TIMEX3 tid="t6" type="DATE" value="1889">1889</TIMEX3>"""
>>> result = re.findall(r'value="([\d]+)', s)
>>> result
['1888', '1889']
>>> 

不过，以阿维纳什·拉吉（Avinash Raj）为例，使用BeautifulSoup，效果会更好。你知道吗