使用 beautifulsoup 解析来自 RSS feed 的所有子项元素

Question

如何从 RSS 提要中获取每个项目标签内所有内容的字符串？

输入示例（简化）：

<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
<channel>
<title>Test</title>
<item>
  <title>Hello world1</title>
  <comments>Hi there</comments>
  <pubDate>Tue, 21 Nov 2011 20:10:10 +0000</pubDate>
</item>
<item>
  <title>Hello world2</title>
  <comments>Good afternoon</comments>
  <pubDate>Tue, 22 Nov 2011 20:10:10 +0000</pubDate>
</item>
<item>
  <title>Hello world3</title>
  <comments>blue paint</comments>
  <pubDate>Tue, 23 Nov 2011 20:10:10 +0000</pubDate>
</item>
</channel>
</rss>

我需要一个 python 函数来获取这个 RSS 文件（我现在使用 beautifulsoup），并且有一个遍历每个项目的循环。我需要一个变量，其中包含每个项目中所有内容的字符串。

第一个循环结果示例：

<title>Hello world1</title>
<comments>Hi there</comments>
<pubDate>Tue, 21 Nov 2011 20:10:10 +0000</pubDate>

这段代码给了我第一个结果，但是我如何获得接下来的所有结果呢？

html_data = BeautifulSoup(xml)
print html_data.channel.item

Answer 1

使用BeautifulStoup 4：

import bs4 as bs
doc = bs.BeautifulSoup(xml, 'xml')
for item in doc.findAll('item'):
    for elt in item:
        if isinstance(elt, BeautifulSoup.Tag):
            print(elt)

下面是如何使用lxml做同样的事情：

import lxml.etree as ET
doc = ET.fromstring(xml)
for item in doc.xpath('//item'):
    for elt in item.xpath('descendant::*'):
        print(ET.tostring(elt))