使用Python的BeautifulSoup提取XML内容时遭遇空数组问题求助

问题原因 #

你使用find_all的语法错误，{"Trainer name": "VisitorID"}这种写法不符合BeautifulSoup的查询规则。BeautifulSoup要求先指定目标标签名，再单独声明属性过滤条件，而不是把标签和属性合并成一个字典键。

正确的提取方法 #

1. 单个属性值提取 #

先定位到指定的Trainer标签，再通过get()方法获取value属性：

from bs4 import BeautifulSoup

# 假设你的XML内容存储在xml_content变量中
xml_content = """
<Trainers>
 <Trainer name="VisitorID" value=" NPRoiuKL213kiolkm2231"/>
 <Trainer name="VisitorNumber" value="BR-76594823-009922"/>
 <Trainer name="ServerIndex" value="213122"/>
 <Trainer name="VisitorPolicyID" value="ETR1234123"/>
</Trainers>
"""

soup = BeautifulSoup(xml_content, 'xml')

# 提取VisitorID对应的value
visitor_id_tag = soup.find("Trainer", name="VisitorID")
if visitor_id_tag:
    visitor_id = visitor_id_tag.get("value").strip()  # 去除值开头的空格
    print(visitor_id)  # 输出: NPRoiuKL213kiolkm2231

# 提取VisitorNumber对应的value
visitor_number_tag = soup.find("Trainer", name="VisitorNumber")
if visitor_number_tag:
    print(visitor_number_tag.get("value"))  # 输出: BR-76594823-009922

2. 批量提取所有属性值 #

如果需要一次性获取所有Trainer的name和value，可以循环遍历标签生成字典，方便和Pandas的结果对比验证：

trainer_data = {}
for trainer_tag in soup.find_all("Trainer"):
    name_attr = trainer_tag.get("name")
    value_attr = trainer_tag.get("value").strip()
    trainer_data[name_attr] = value_attr

print(trainer_data)
# 输出结果：
# {
#     'VisitorID': 'NPRoiuKL213kiolkm2231',
#     'VisitorNumber': 'BR-76594823-009922',
#     'ServerIndex': '213122',
#     'VisitorPolicyID': 'ETR1234123'
# }

3. 提取<Trainers>节点本身 #

要获取整个<Trainers>节点，可以直接用find方法定位标签：

trainers_node = soup.find("Trainers")
# 打印节点的格式化内容
print(trainers_node.prettify())

关键语法说明 #

• soup.find("Trainer", name="VisitorID")：等价于soup.find("Trainer", {"name": "VisitorID"})，两种写法都能定位到name属性为VisitorID的Trainer标签。
• 使用get("value")而不是直接访问["value"]更安全，避免标签不存在该属性时抛出异常。
• 调用strip()是因为你的VisitorID的value开头有空格，根据需求可以选择保留或去除。

内容的提问来源于stack exchange，提问作者Hamza Ahmed