Python Phân tích cú pháp XML của BeautifulSoup

Question

Tôi đã viết một kịch bản đơn giản để phân tích cú pháp nhật ký trò chuyện XML bằng mô-đun BeautifulSoup. Tiêu chuẩn soup.prettify() hoạt động ok ngoại trừ các bản ghi trò chuyện có rất nhiều lông tơ trong chúng. Bạn có thể nhìn thấy cả hai mã kịch bản và một số các tập tin đầu vào XML Tôi đang làm việc với bên dưới:

Mã

import sys 
from BeautifulSoup import BeautifulSoup as Soup 

def parseLog(file): 
    file = sys.argv[1] 
    handler = open(file).read() 
    soup = Soup(handler) 
    print soup.prettify() 

if __name__ == "__main__": 
    parseLog(sys.argv[1]) 

thử nghiệm XML Input

<?xml version="1.0"?> 
<?xml-stylesheet type='text/xsl' href='MessageLog.xsl'?> 
<Log FirstSessionID="1" LastSessionID="2"><Message Date="10/31/2010" Time="3:43:48 PM"  DateTime="2010-10-31T20:43:48.937Z" SessionID="1"><From><User FriendlyName="Jon"/></From> <To><User FriendlyName="Bill"/></To><Text Style="font-family:Segoe UI; color:#000000; ">hey, what's up?</Text></Message> 
<Message Date="10/31/2010" Time="3:44:03 PM" DateTime="2010-10-15T20:44:03.421Z" SessionID="1"><From><User FriendlyName="Jon"/></From><To><User FriendlyName="Bill"/></To><Text Style="font-family:Segoe UI; color:#000000; ">Got your message</Text></Message> 
<Message Date="10/31/2010" Time="3:44:31 PM" DateTime="2010-10-15T20:44:31.390Z" SessionID="2"><From><User FriendlyName="Bill"/></From><To><User FriendlyName="Jon"/></To><Text Style="font-family:Segoe UI; color:#000000; ">oh, great</Text></Message> 
<Message Date="10/31/2010" Time="3:44:59 PM" DateTime="2010-10-15T20:44:59.281Z" SessionID="2"><From><User FriendlyName="Bill"/></From><To><User FriendlyName="Jon"/></To><Text Style="font-family:Segoe UI; color:#000000; ">hey, i gotta run</Text></Message> 

Tôi muốn có thể xuất kết quả này thành định dạng như sau hoặc ít nhất một thứ có thể đọc được nhiều hơn XML thuần túy:

Jon: Xin chào, có chuyện gì vậy? [10/31/10 @ 3: 43p]

Jon: Got thông điệp của bạn [10/31/10 @ 3: 44p]

Bill: oh, tuyệt vời [10/31/10 @ 3 : 44p]

vv .. Tôi đã nghe một số điều thú vị về mô-đun PyParsing, có lẽ đã đến lúc cho nó một cảnh quay.

Answer 1

BeautifulSoup tạo các thuộc tính và giá trị trong xml thực sự đơn giản. Tôi đã tinh chỉnh chức năng ví dụ của bạn để sử dụng các tính năng này.

import sys 
from BeautifulSoup import BeautifulSoup as Soup 

def parseLog(file): 
    file = sys.argv[1] 
    handler = open(file).read() 
    soup = Soup(handler) 
    for message in soup.findAll('message'): 
     msg_attrs = dict(message.attrs) 
     f_user = message.find('from').user 
     f_user_dict = dict(f_user.attrs) 
     print "%s: %s [%s @ %s]" % (f_user_dict[u'friendlyname'], 
            message.find('text').decodeContents(), 
            msg_attrs[u'date'], 
            msg_attrs[u'time']) 


if __name__ == "__main__": 
    parseLog(sys.argv[1]) 

Answer 2

Tôi khuyên bạn nên sử dụng mô-đun tích hợp ElementTree. BeautifulSoup có nghĩa là xử lý các mã chưa được tạo hình như bị tấn công HTML, trong khi XML được định dạng tốt và có nghĩa là được đọc bởi một thư viện XML.

Cập nhật: một số lần đọc gần đây của tôi ở đây gợi ý lxml như một thư viện được xây dựng và nâng cao tiêu chuẩn ElementTree.