解析父级/子级具有相同标记的XML

Question

我正在使用popshops api &解析美观的XML。数据有四个级别的类别。(即家具是家居和花园的一个子类别，婴儿托儿所家具是家具的一个子类别)

当所有东西都有相同的“类别”标签时，我如何区分类别的4个级别。

<category id="16000" name="Home & Garden">
 <categories>
  <category id="16669" name="Furniture">
   <categories>
    <category id="17135" name="Baby Nursery Furniture">
     <categories>
      <category id="17146" name="Baby Beddings & Blankets" leaf="true"/>

Answer 1

正如Beautiful Soup文档所强调的，您可以直接引用它们的属性值，而不是元素或标记名：

soup.findAll(id="16000")

或

soup.findAll(name="Home & Garden")

Answer 2

通常，有许多方法可以使用BeautifulSoup区分相同的标记(我不知道您是否对“区分”有特定的定义)。一种可能的方法是通过层次/结构来区分。例如，要仅获取第四级深度<category>s：

subSubSubCategory = soup.select("category category category category");

具体到第四级情况，您也可以通过评估属性leaf="true"来获得它们：

subSubSubCategory = soup.select("category[leaf='true']");

参考：BeautifulSoup > CSS Selector

附注:如果要解析的只是一个完美有效的lxml，那么可以考虑直接使用XML。