如何从sitemap.xml中筛选含指定特征字符串的目标URL并返回？

操作步骤 #

1. 解析XML文件
   使用Python自带的xml.etree.ElementTree库读取并解析sitemap.xml文件，需处理站点地图的标准命名空间：

   import xml.etree.ElementTree as ET
   
   # 加载本地的sitemap.xml文件
   tree = ET.parse('sitemap.xml')
   root = tree.getroot()
   
   # 定义站点地图的命名空间
   ns = {'sm': 'http://www.sitemaps.org/schemas/sitemap/0.9'}
   

2. 筛选目标URL
   遍历XML中所有存储URL的<loc>标签，筛选同时包含Average-Weather-in-（对应语义“某地平均天气-”）和-Year-Round（对应语义“-全年”）的URL：

   target_urls = []
   # 遍历所有URL节点
   for loc in root.findall('.//sm:loc', ns):
       url = loc.text
       # 检查URL是否符合双重特征条件
       if 'Average-Weather-in-' in url and '-Year-Round' in url:
           target_urls.append(url)
   
   # 输出筛选后的结果
   for valid_url in target_urls:
       print(valid_url)
   

示例筛选结果 #

符合条件的URL示例：
https://weatherspark.com/y/8004/Average-Weather-in-Austin-Texas-United-States-Year-Round

内容的提问来源于stack exchange，提问作者WQureshi