beautifulsoupでxmlの解析をしたいですが、うまく取得できずに困ってしまいました。

初めまして。
初心者ですが、beautifulsoupでxmlの解析をしております。
もしどなたかご存知でしたらお教えいただけると嬉しいです。

###行いたいこと
下記XMLからxsi:typeを指定して、『159』を取り出したいです。
<dc:subject xsi:type="dcndl:NDC9">159</dc:subject>

###試したこと
下記のコマンドでは表示されませんでした。
print(soup.find('dcndl:NDC9').text)

###お聞きしたいこと
どのようなコマンドで取得できますでしょうか？
また、xsi:typeはxmlの名前空間というものなのでしょうか？

行動規範の内容に同意します

回答3件

以下の様な内容の XML ファイルがあるとして、

search_result.xml

xml
1<records>
2  <record>
3    <recordSchema>info:srw/schema/1/dc-v1.1</recordSchema>
4    <recordPacking>string</recordPacking>
5    <recordData>
6        <dc:title>タイトル</dc:title>
7        <dc:creator>著者</dc:creator>
8        <dc:publisher>出版社</dc:publisher>
9        <dcndl:price>686円</dcndl:price>
10        <dcterms:extent>606p ; 16cm</dcterms:extent>
11        <dc:identifier xsi:type="dcndl:ISBN">XXXXXXXX</dc:identifier>
12        <dc:subject xsi:type="dcndl:NDLC">ABCD</dc:subject>
13        <dc:subject xsi:type="dcndl:NDC9">159</dc:subject>
14        <dcndl:materialType>図書</dcndl:materialType>
15        <rdfs:seeAlso rdf:resource="http://id.ndl.go.jp/bib/00000000"></rdfs:seeAlso>
16        <dcndl:publicationPlace xsi:type="dcterms:ISO3166">JP</dcndl:publicationPlace>
17      <dc:language xsi:type="ISO639-2">jpn</dc:language></dcndl_simple:dc>
18    </recordData>
19    <recordPosition>1</recordPosition>
20  </record>
21</records>

soup.select_one を使います。

python
1from bs4 import BeautifulSoup
2
3with open('search_result.xml') as f:
4  soup = BeautifulSoup(f, 'xml')
5
6print(soup.select_one('[type="dcndl:NDC9"]').text)
7
8#
9159

投稿2021/11/19 17:35

melian

総合スコア20655

退会済みユーザー

2021/11/20 02:43 編集

ご回答ありがとうございます。 soup.select_one()　というコマンドを初めて見ました。このような指定方法があるのですね。 xmlファイルの参考例まで持ってきていただき、大変見やすく勉強になりました。高評価をたくさん押させていただきたいほどです。ありがとうございました。

退会済みユーザー

2021/11/20 02:44

一つお聞きしたいのですが、 select_one()コマンドの中に、 xsi:　はなぜ含めなくても大丈夫なのでしょうか？

melian

2021/11/20 02:55

実は xsi(namespace prefix)を付けるとエレメントを抽出できません。prefix を指定しないか、"*" にすると抽出できます。 soup.select_one('[*|type="dcndl:NDC9"]') つまり、現状では属性に対して namespace prefix を明示的に指定できない仕様の様です。

退会済みユーザー

2021/11/20 03:19

仕様でそのようになっているのですね。追加のご解説までしていただき大変勉強になりました。どうもありがとうございました。

行動規範の内容に同意します

ベストアンサー

print(soup.find('dcndl:NDC9').text)

だと、dcndl:NDC9というノードを検索します。xsi:type属性を見ないと。

Python
1print(soup.find(attrs={"xsi:type":"dcndl:NDC9"}).text)

投稿2021/11/19 15:15

otn

総合スコア85901

退会済みユーザー

2021/11/20 02:37

ご回答いただきありがとうございます。ノードを検索するのでなく、attrs={"属性名","値"}で検索しているのですね。大変助かりました。簡潔にわかりやすく教えていただき、とても勉強になりました。

行動規範の内容に同意します

ここまで絞れていればtextを取るだけではないのですか。

python
1>>> print(soup)
2<html><body><dc:subject xsi:type="dcndl:NDC9">159</dc:subject></body></html>
3>>> print(soup.text)
4159

投稿2021/11/19 11:15

ppaul

総合スコア24670

退会済みユーザー

2021/11/20 02:34

ありがとうございます。すみません、質問の仕方がよろしくなかったかもしれません、そこまで絞り込む方法をお聞きしたかったので、xmlを貼った方がわかりやすかったですね。以後気をつけます。ご回答ありがとうございます。

行動規範の内容に同意します

あなたの回答

tips

プレビュー

行動規範の内容に同意します

質問の解決につながる回答をしましょう。サンプルコードなど、より具体的な説明があると質問者の理解の助けになります。また、読む側のことを考えた、分かりやすい文章を心がけましょう。

15分調べてもわからないことは
teratailで質問しよう！

ただいまの回答率
85.35%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう！

beautifulsoupでxmlの解析をしたいですが、うまく取得できずに困ってしまいました。

関連した質問