时间戳

首页 > 解决方案 > 如何从以下 xml 中获取每个雇主标签的收入详细信息？

xml - 如何从以下 xml 中获取每个雇主标签的收入详细信息？

问题描述

我一直在尝试解析一个 XML 文件（我在下面粘贴了最小的可重现代码）并获取每个雇主代码的所有收入标签的年份和收入字段的值。请查看以下输出，以便您更好地理解我

我想要得到什么：

{"1234": [["2006", "12085"], ["2005","23071"], ["2004","21364"]],
"5678" : [["2015", "12345"],["2014", "13071"]]}

我一直在尝试使用 elementtree 和/或 beautifulsoup 以多种方式干预文件，最终只打印这个：

我实际得到的：

[["2006", "12085"], ["2005","23071"], ["2004",["2015", "12345"],["2014", "13071"]]

我无法根据他们的雇主代码对他们进行分组。

PS：我是在 Stackoverflow 上发布问题的新手。我希望我符合所有社区准则。这是吞噬我大脑的 XML：

<DETAILS>
    <RESPONSE>
        <EMPLOYER>
            <EMPLOYERCODE>1234</EMPLOYERCODE>
            <NAME1>ABC Service Corporation</NAME1>
        </EMPLOYER>
        <INCOME>
            <YEAR>2006</YEAR>
            <TOTAL>12085</TOTAL>
        </INCOME>
        <INCOME>
            <YEAR>2005</YEAR>
            <TOTAL>23071</TOTAL>
        </INCOME>
        <INCOME>
            <YEAR>2004</YEAR>
            <TOTAL>21364</TOTAL>
        </INCOME>
        <ID>18700763721</ID>
    </RESPONSE>
    <RESPONSE>
        <EMPLOYER>
            <EMPLOYERCODE>5678</EMPLOYERCODE>
            <NAME1>DEF Service Corporation</NAME1>
        </EMPLOYER>
        <INCOME>
            <YEAR>2015</YEAR>
            <TOTAL>12345</TOTAL>
        </INCOME>
        <INCOME>
            <YEAR>2014</YEAR>
            <TOTAL>13071.73</TOTAL>
        </INCOME>
        <ID>18700763721</ID>
    </RESPONSE>
</DETAILS>

标签： xmlpython-3.xxpathbeautifulsoupxml-parsing

解决方案

首先迭代响应，因为它们包含雇主代码和损益表。然后它只是将雇主与他们的收入联系起来。

xml = '''
<DETAILS>
    <RESPONSE>
        <EMPLOYER>
            <EMPLOYERCODE>1234</EMPLOYERCODE>
            <NAME1>ABC Service Corporation</NAME1>
        </EMPLOYER>
        <INCOME>
            <YEAR>2006</YEAR>
            <TOTAL>12085</TOTAL>
        </INCOME>
        ...
    </RESPONSE>
    <RESPONSE>
        ...
    </RESPONSE>
</DETAILS>
'''
soup = BeautifulSoup(xml, 'html.parser')
employers = {}
for res in soup.select('response'):
    emp_code = res.select_one('employercode').text
    incomes = []
    for income in res.select('income'):
        year = income.select_one('year').text
        total = income.select_one('total').text
        incomes.append([year, total])
    employers[emp_code] = incomes

print(employers)

输出：

{'1234': [['2006', '12085'], ['2005', '23071'], ['2004', '21364']], '5678': [['2015', '12345'], ['2014', '13071.73']]}

推荐阅读