python - 如何从url解析xml
问题描述
一般来说,我想做的是从 url 解析 xml。这就是我所做的:
我在 <'textarea'><'\textarea'> 标签中包含的 html 文件上编写了 xml 代码:
<textarea rows="1000" cols="200" style="border:none;"> <?xml version="1.0"?> <data> <gambar> <id>wcl01</id> <url>https://1.bp.blogspot.com/- j9yARC6mAuY/Xp4aUTxe6eI/AAAAAAAAAGA/NegvRkwYdVAXhnTsrWoXYcjAzsHfR6BOQCLcBGAsYHQ/s320/Konferensi%2BIIWAS%2Bdi%2BVietnam.jpg</url> </gambar> <gambar> <id>wcl02</id> <url>https://1.bp.blogspot.com/-aIkYkd3ePMY/XqDDsTMYMAI/AAAAAAAAAHA/QKZOQ8cPr_0LUfLNrYrA3w6gvNV-ao-QCLcBGAsYHQ/s320/Konferensi%2BAptikom%2Bdi%2BBandung%2B1.jpg</url> </gambar> </data> </textarea>
在网站上,它是这样的:
然后我使用以下代码解析 xml:
from urllib.request import urlopen from xml.etree.ElementTree import parse from lxml import etree var_url = urlopen('https://imanparyudi.000webhostapp.com/gambar.html') xmldoc = parse(var_url) elem = etree.XML(xmldoc, parser=parser)
但我收到了这个错误:
File "<string>", line unknown ParseError: XML or text declaration not at start of entity: line 2, column 0
我假设这个错误是由 xml 代码开头的空格引起的。所以,我试图删除这个空格,首先:etree.XMLParser(remove_blank_text=True) 和第二个:etree.XMLParser(recover=True) 像这样:
from urllib.request import urlopen
from xml.etree.ElementTree import parse
from lxml import etree
parser = etree.XMLParser(remove_blank_text=True)
var_url = urlopen('https://imanparyudi.000webhostapp.com/gambar.html')
xmldoc = parse(var_url)
elem = etree.XML(xmldoc, parser=parser)
和
from urllib.request import urlopen
from xml.etree.ElementTree import parse
from lxml import etree
parser = etree.XMLParser(recover=True)
var_url = urlopen('https://imanparyudi.000webhostapp.com/gambar.html')
xmldoc = parse(var_url)
elem = etree.XML(xmldoc, parser=parser)
但是,两种方式都会给出相同的错误:
File "<string>", line unknown ParseError: XML or text declaration not at start of entity: line 2, column 0
- 所以,我的问题是:
一种。这个问题是由使用 <'textarea'><'\textarea'> 标签引起的吗?
湾。如果是这样,我如何在网站上发布我的 xml 代码?
C。如果没有,如何解决这个 ParseError?
解决方案
你会得到 HTML 文档。
在 HTML 中,有 <textarea>
一个包含 XML 文档的内容。
下面的代码指向 XML 文档并对其进行解析。
import requests
import xml.etree.ElementTree as ET
r = requests.get('https://imanparyudi.000webhostapp.com/gambar.html')
if r.status_code == 200:
start = r.text.find('<?xml')
end = r.text.find('</textarea>')
root = ET.fromstring(r.text[start:end])
print(root)
推荐阅读
- python-3.x - “Gdk-WARNING **: gdk-frame-clock: layout 不断请求,4 次尝试后放弃”是什么意思?
- javascript - javascript 承诺在两个地方拒绝
- vba - Visual Basic 主题
- android - 更高 Api 级别的 SharedPreferences 不起作用?
- android - 在 android studio 中分离 HEAD
- django - Django 使用完全相同的查询进行多对多过滤
- java - JVM 不会在 OnOutOfMemoryError 上被杀死
- apache-kafka - Apache kafka 代理消费消息给其他人
- h3 - H3Index 是有序的吗?
- angular - stroke-dasharray 不能与 Angular 6 绑定