Python BS4与SDMX

Question

我想检索SDMX文件(如https://www.bundesbank.de/cae/servlet/StatisticDownload?tsId=BBK01.ST0304&its_fileFormat=sdmx&mode=its)中给定的数据。我尝试使用BeautifulSoup，但它似乎看不到标签。在下面的代码中

import urllib2
from bs4 import BeautifulSoup 
url = "https://www.bundesbank.de/cae/servlet/StatisticDownload?tsId=BBK01.ST0304&its_fileFormat=sdmx"
html_source = urllib2.urlopen(url).read()
soup = BeautifulSoup(html_source, 'lxml')
ts_series = soup.findAll("bbk:Series")

这给了我一个空的对象。

BS4是错误的工具吗，或者(更有可能的)我做错了什么？提前感谢

Answer 1

soup.findAll("bbk:series")将返回结果。

事实上，在这种情况下，即使您使用lxml作为解析器，BeautifulSoup仍然会将其解析为html，因为html标签是大小写敏感的，BeautifulSoup会将所有标签小写，因此soup.findAll("bbk:series")可以工作。请参阅官方文档中的Other parser problems。

如果您希望将其解析为xml，请改用soup = BeautifulSoup(html_source, 'xml')。它还使用lxml，因为lxml是BeautifulSoup唯一的xml解析器。现在，您可以使用ts_series = soup.findAll("Series")获得结果，因为beautifulSoup将剥离名称空间部分bbk。