我正在使用 bs4 进行网页抓取,并尝试从这行 xml <graph gid="1" color="#000000" balloon_color="#000000" title="Approve">
获取标题和颜色标签。
输出结果将是一个类似 {'title':'approve', 'color':'#000000'}
的字典。
xml为here的页面
我已经编写了这个函数,它绝不是高效的,但希望我的数据帧的标题是 title
的结果而不是手动输入的值。所以而不是 GID1
它将显示 Approve
或Obama
或者无论标题的结果是什么。
def rcp_poll_data(xml):
soup=bs(xml,"xml")
dates = soup.find('series')
datesval = dates.findChildren(string=True)
del datesval[-7:]
obama = soup.find('graph', { "gid" : "1" })
obamaval = obama.findChildren(string=True)
romney = soup.find('graph', { "gid" : "2" })
romneyval = romney.findChildren(string=True)
result = pd.DataFrame({'date':pd.to_datetime(datesval), 'GID1':obamaval, 'GID2':romneyval})
return result
我正在使用 bs4 并努力寻找正确的术语来帮助我实现这一点。我想要隔离的这些标签是元素还是属性?
这不是专业的事情,我只是为了好玩而闲逛。因此,任何能让我更接近的帮助都会很棒。 (我使用的是Python 3)
最佳答案
找到图节点后,您只需提取属性即可:
import requests
from bs4 import BeautifulSoup
soup = BeautifulSoup(requests.get("http://charts.realclearpolitics.com/charts/1044.xml").content,"xml")
g = soup.find("graph", gid="1")
data = {"title":g["title"], "color": g["color"]}
这会给你:
{'color': '#000000', 'title': 'Approve'}
关于python - BS4 获取 XML 标签变量,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40097088/