BeautifulSoupで複数のタグと属性を組み合わせてfind

xmlファイル内にある以下のようなデータから、
<data-report test-id = 123456 factor = A>
<data-info name = ABC number="20" effect="5600" cost="1000">
<data-info name = BCD number="50" effect="7600" cost="1500">
<data-info name = DEF number="70" effect="5200" cost="1800">

それぞれのタプルの先頭にtest-idが含まれる以下のようなリストを作成したいと考えています。

[('123456', 'ABC', '20', '5600'), ('123456', 'BCD', '50', '7600'),('123456', 'DEF', '70', '5200')]

そのために、

python
1sv_data = []
2for e in soup.find_all(['data-report' or 'data-info']):
3    if e.attrs == {'test-id':True, 'name':True,'number':True, 'effect':True}:
4        sv_data.append((e['test-id'], e['name'], e['number'], e['effect']))
5print(sv_data)

と書いてみましたが、空のリストが作成されるのみです。

どのように変更したらうまく行きますでしょうか？

どうか宜しくお願い致します。

meg_

2021/12/22 11:13

・xmlの構造（階層）はどうなっていますか？・「e.attrs == {'test-id':True, 'name':True,'number':True, 'effect':True}」は何を表現していますか？

行動規範の内容に同意します

回答1件

ベストアンサー

data-report レコードの終端 </data-report> が無いと適切に処理ができないので、以下では追加した XML データを使っています。また、BeautifulSoup の XML パーサに lxml を指定しています。

python
1from bs4 import BeautifulSoup
2from pprint import pprint
3
4xml_text = '''
5<data-report test-id = 123456 factor = A>
6<data-info name = ABC number="20" effect="5600" cost="1000">
7<data-info name = BCD number="50" effect="7600" cost="1500">
8<data-info name = DEF number="70" effect="5200" cost="1800"> 
9</data-report>
10<data-report test-id = 234567 factor= B>
11<data-info name = GHI number="90" effect="6500" cost="2000">
12<data-info name = JKL number="110" effect="6700" cost="3000">
13<data-info number="130" effect="2500" cost="4000">
14</data-report>
15<data-report factor= C>
16<data-info name = GHI number="90" effect="6500" cost="2000">
17<data-info name = JKL number="110" effect="6700" cost="3000">
18<data-info name = DEF number="130" effect="2500" cost="4000">
19</data-report>
20'''.strip()
21
22soup = BeautifulSoup(xml_text, 'lxml')
23
24sv_data = []
25for r in soup.select('data-report[test-id]'):
26  for i in r.select('data-info[name][number][effect]'):
27    sv_data.append((r['test-id'], i['name'], i['number'], i['effect']))
28
29pprint(sv_data)
30
31#
32[('123456', 'ABC', '20', '5600'),
33 ('123456', 'BCD', '50', '7600'),
34 ('123456', 'DEF', '70', '5200'),
35 ('234567', 'GHI', '90', '6500'),
36 ('234567', 'JKL', '110', '6700')]