如何使用python和BeautifulSoup提取xml中父元素的标签

Question

例如，我有这样的xml

 <managedObject class="New" distName="MB-85404/TB-85404/ST-4/a" version="xL20A_1911_002" operation="open">
          <p name="a">320ms</p>
          <p name="b">enabled</p>
          <p name="c">640ms</p>
          <p name="d">320ms</p>
          <p name="e">640ms</p>
          <p name="f">1280ms</p>
          <p name="g">6</p>
    </managedObject>
<managedObject class="new" distName="AL-76867/MB-85404/TB-85404/ST-4/b" version="xL20A_1911_002" operation="open">
          <p name="h">320ms</p>
          <p name="i">enabled</p>
          <p name="j">640ms</p>
          <p name="k">320ms</p>
          <p name="l">640ms</p>
          <p name="a">1280ms</p>
          <p name="l">6</p>
    </managedObject>
<managedObject class="New" distName="MB-85404/TB-85404/ST-4/c" version="xL20A_1911_002" operation="open">
          <p name="a">320ms</p>
          <p name="p">enabled</p>
          <p name="q">640ms</p>
          <p name="r">320ms</p>
          <p name="s">640ms</p>
          <p name="t">1280ms</p>
          <p name="u">6</p>
    </managedObject>

如果特定的正则表达式匹配，我想从中提取distName。例如

pattern = re.compile('MB-\d/TB-\d/ST-\d/')

for i in Soup.find_all('managedObject',{'distName':pattern}):

如果distName与模式匹配，则提取distName，否则将其保留。

我试过很多东西，但就是不能通过。

Answer 1

您的正则表达式在开头的\d和^之后似乎缺少+符号。此外，如果使用html.parser，则标记和属性的名称必须是小写的(txt是所讨论的XML片段)：

soup = BeautifulSoup(txt, 'html.parser')

pattern = re.compile(r'^MB-\d+/TB-\d+/ST-\d+/.*')

for i in soup.find_all('managedobject',{'distname':pattern}):
    print(i['distname'])

打印：

MB-85404/TB-85404/ST-4/a
MB-85404/TB-85404/ST-4/c