如何用BeautifulSoup提取XML标签文本并生成指定格式字典？

最优实现方式是利用字典推导式结合BeautifulSoup的文本提取方法，代码简洁高效，逻辑清晰：

完整代码示例 #

from bs4 import BeautifulSoup

# 待处理的XML内容
xml_content = """
<article id = '1'> 
  <p> This is </p> 
  <p> example A </p>
</article>

<article id = '2'> 
  <p> This is </p> 
  <p> example B </p>
</article>
"""

# 解析XML，推荐使用lxml解析器（需提前安装：pip install lxml）
soup = BeautifulSoup(xml_content, "lxml")

# 生成目标字典
result_dict = {
    int(article['id']): ' '.join(article.stripped_strings)
    for article in soup.find_all('article')
}

print(result_dict)
# 输出：{1: 'This is example A', 2: 'This is example B'}

关键逻辑说明 #

• soup.find_all('article')：批量获取所有<article>标签节点
• int(article['id'])：提取标签的id属性并转为整数，作为字典的键
• ' '.join(article.stripped_strings)：自动提取当前<article>下所有文本内容，同时剔除每个文本段的前后空白、换行符，再用空格拼接成完整字符串，完美解决多<p>标签的文本合并需求

这种写法既避免了冗余的循环代码，又充分利用了BeautifulSoup的内置方法处理文本格式，是实现该需求的最优方案。

内容的提问来源于stack exchange，提问作者Dieu94