如何基于条件从Atom Feed中提取指定信息？

问题背景 #

需要从API返回的Atom Feed数据的每个<atom:entry>中提取以下内容：

• <c:series>标签的href属性值
• <c:series-order>标签的文本内容（日期）
• <f:assessment-low>标签的文本内容（价格）

部分条目存在有日期但无价格的情况，需要在价格缺失时自动填充N/A，但原代码因全局提取所有对应标签，导致各字段列表长度不一致，无法正确匹配条目数据。

原代码问题分析 #

原代码通过soup.find_all()分别全局提取所有目标标签，再将文本/属性存入不同列表。这种方式无法保证每个条目对应的三个字段一一对应——当某个条目缺少<f:assessment-low>时，p_val列表的长度会小于p_day和q_val，最终导致数据错位。

修正方案：按条目遍历提取 #

正确的做法是遍历每个<atom:entry>，在每个条目内部单独提取三个字段，确保每个条目对应一组完整数据，缺失字段自动填充N/A。

修正后的代码 #

from bs4 import BeautifulSoup

soup = BeautifulSoup(request.text, "html.parser")
entries = soup.find_all('atom:entry')  # 获取所有entry条目

p_day = []
p_val = []
q_val = []

for entry in entries:
    # 提取日期：每个entry里找c:series-order，找不到则填充N/A
    date_tag = entry.find('c:series-order')
    p_day.append(date_tag.text.strip() if date_tag else "N/A")
    
    # 提取价格：找不到f:assessment-low则填充N/A
    price_tag = entry.find('f:assessment-low')
    p_val.append(price_tag.text.strip() if price_tag else "N/A")
    
    # 提取series的href：找不到则填充N/A
    series_tag = entry.find('c:series')
    q_val.append(series_tag.get('href') if series_tag else "N/A")

d2 = {
    'date': p_day,
    'price': p_val,
    'quote': q_val
}

代码说明 #

1. 先获取所有<atom:entry>标签，确保遍历的单位是每个独立条目
2. 对每个条目，使用find()而非find_all()查找对应字段（每个条目应仅含一个目标字段）
3. 通过三元表达式判断标签是否存在：存在则提取内容，不存在则填充N/A
4. 最终三个列表的长度完全一致，每个索引对应同一个条目的三个字段

内容的提问来源于stack exchange，提问作者Jack Miller