Синтаксический XML с использованием BeautifulSoup или minidom

Question

У меня есть XML-то вроде этого

#filename sample.xml 
<tag> 
<tag1> 
<tag2 property="something"/> 
<tag2 property="something1"/> 
<tag2 property="something2">value</tag2> 
<tag2 property="something3"> 
<tag3> 
<tag4 data="data1"/> 
<tag4 data="data2"/> 
</tag3> 
</tag2> 
</tag1> 
</tag> 

Я хочу, чтобы извлечь 'data1' и 'data2'. Я пытаюсь что-то вроде этого:

f=open('sample.xml') 
fdata=f.read() 
xmldata=BeautifulSoup(fadata) 
print (xmldata.tag.tag1.tag2.tag3.tag4["data"]) 

Но это бросает ошибку:

AttributeError: 'NoneType' object has no attribute 'tag4' 

Answer 1

print функция терпит неудачу из-за нескольких tag2 с. Решением было бы получить все теги, используя .findAll('tag2').

Вот рабочий пример:

#! /usr/bin/python 

from bs4 import BeautifulSoup 
f=open('sample.xml') 
fdata=f.read() 
xmldata=BeautifulSoup(fdata) 

alltags2 = xmldata.tag.tag1.findAll('tag2') 

for tag2 in alltags2: 
    alltags3 = tag2.findAll('tag3') 
    for tag3 in alltags3: 
     alltags4 = tag3.findAll('tag4') 
     for tag4 in alltags4: 
      print "The data I got was :\"%s\"" % (tag4["data"]) 

С наилучшими пожеланиями,

Answer 2

Один возможный способ с использованием select() ППР селектора CSS, проходящий в качестве параметра. Например, если вы действительно хотите, чтобы строго выбрать <tag4> с такой предок иерархии:

..... 
xmldata=BeautifulSoup(fadata) 
for tag4 in xmldata.select("tag > tag1 > tag2 > tag3 > tag4"): 
    print tag4["data"] 

Над напечатает следующее:

data1 
data2 

Или, если вам нужно только все <tag4> элементы там, где они находятся в XML, вы можете просто использовать xmldata.select("tag4").