使用BeautifulSoup解析XML时删除含特定子标签的<x>标签

嘿，这个需求很明确，我来一步步教你实现：

首先，我们需要用BeautifulSoup解析XML，然后筛选出所有包含标签（不管是直接子标签还是嵌套在其他标签里的）的标签，最后把它们彻底删除。

完整代码示例 #

from bs4 import BeautifulSoup

# 你的示例XML内容
xml_content = """<x id = '123'> <b><c>abcd</c> </b> </x> <x id ='456'><z></z> </x> <x id ='567'><c>def</c> </x>"""

# 用XML解析器解析内容（注意要指定'xml'解析器，避免HTML解析的问题）
soup = BeautifulSoup(xml_content, 'xml')

# 找到所有<x>标签
x_tags = soup.find_all('x')

# 遍历每个<x>标签，检查是否包含<c>后代标签
for x in x_tags:
    # 如果找到<c>标签（不管层级），就删除这个<x>标签
    if x.find('c'):
        x.decompose()

# 输出处理后的XML内容
print(soup.prettify())

代码解释 #

• 解析XML：这里用'xml'解析器而不是默认的HTML解析器，这样能更好地处理XML的标签结构，避免解析错误。
• 筛选标签：soup.find_all('x')会获取所有的标签。
• 检查标签：x.find('c')会在当前标签的所有后代中查找第一个标签，如果存在就返回该标签，否则返回None。
• 删除标签：x.decompose()会彻底删除这个标签及其内部的所有内容，而不仅仅是移除标签保留内容。

运行结果 #

处理后剩下的XML内容就是：

<?xml version="1.0" encoding="utf-8"?>
<x id="456">
 <z/>
</x>

内容的提问来源于stack exchange，提问作者doomsday