使用BeautifulSoup迭代获取属性值仅返回首个元素的问题排查

我通过以下代码读取本地HTML/XML文件爬取图片路径：

from bs4 import BeautifulSoup as bs

path_xml = r"..."

content = []

with open(path_xml, "r") as file:
    content = file.readlines()

content = "".join(content)
bs_content = bs(content, "html.parser")

bilder = bs_content.find_all("bilder")

def get_str_bild(match):
    test = match.findChildren("b")

    for x in range(len(test)): # 此处存在问题（无法获取test中的所有元素）
 
        return test[x].get("d")

for b in bilder:
    if b.b: 
        print(get_str_bild(b))

当前输出仅每个<bilder>块的首个图片路径：

L3357U00_002120.jpg
L3357U00_002140.jpg
L3357U00_002160.jpg

XML文件结构（每个<Bilder>节点下包含多个<B>子元素）：

<Bilder>
    <B Nr="1" D="L3357U00_002120.jpg"/>
    <B Nr="2" D="L3357U00_002120.jpg"/>
    <B Nr="3" D="L3357U00_002120.jpg"/>
    <B Nr="4" D="L3357U00_002120.jpg"/>
    <B Nr="9" D="L3357U00_002120.jpg"/>
    <B Nr="1" D="L3357U00_002130.jpg"/>
    <B Nr="2" D="L3357U00_002130.jpg"/>
    <B Nr="3" D="L3357U00_002130.jpg"/>
    <B Nr="4" D="L3357U00_002130.jpg"/>
    <B Nr="9" D="L3357U00_002130.jpg"/>
</Bilder>

错误原因 #

问题出在get_str_bild函数的for循环：

• 循环第一次迭代就执行return语句，函数直接终止，只会返回第一个<B>元素的D属性值，后续元素根本没机会处理。

修正方案 #

方案1：修改函数返回所有图片路径列表 #

调整函数逻辑，收集所有<B>元素的D属性后再返回，最后遍历打印：

from bs4 import BeautifulSoup as bs

path_xml = r"..."

# 直接用read()替代readlines()+join，更简洁
with open(path_xml, "r") as file:
    content = file.read()

bs_content = bs(content, "html.parser")

bilder = bs_content.find_all("bilder")

def get_str_bild(match):
    test = match.findChildren("b")
    # 用列表推导式收集所有D属性值
    return [item.get("d") for item in test]

for b in bilder:
    if b.b: 
        # 遍历列表打印每个路径
        for img_path in get_str_bild(b):
            print(img_path)

方案2：简化代码，移除多余函数 #

直接在主循环中处理每个<B>元素，省略额外函数：

from bs4 import BeautifulSoup as bs

path_xml = r"..."

with open(path_xml, "r") as file:
    content = file.read()

bs_content = bs(content, "html.parser")

# 按<Bilder>分组处理所有子元素
for bilder_block in bs_content.find_all("bilder"):
    for b_tag in bilder_block.find_all("b"):
        print(b_tag.get("d"))

额外提示 #

XML标签本身大小写敏感，但你使用的html.parser是大小写不敏感的，所以find_all("bilder")能匹配<Bilder>、find_all("b")能匹配<B>。如果后续改用XML专用解析器（如lxml-xml），需要写成完全匹配的标签名（"Bilder"和"B"）。

内容的提问来源于stack exchange，提问作者maggTech