如何使用python解析XML

Question

我想解析这个url以获取\ Roman \

的文本

http://jlp.yahooapis.jp/FuriganaService/V1/furigana?appid=dj0zaiZpPU5TV0Zwcm1vaFpIcCZzPWNvbnN1bWVyc2VjcmV0Jng9YTk-&grade=1&sentence=私は学生です

import urllib
import xml.etree.ElementTree as ET

url = 'http://jlp.yahooapis.jp/FuriganaService/V1/furigana?appid=dj0zaiZpPU5TV0Zwcm1vaFpIcCZzPWNvbnN1bWVyc2VjcmV0Jng9YTk-&grade=1&sentence=私は学生です'
uh = urllib.urlopen(url)
data = uh.read()
tree = ET.fromstring(data)
counts = tree.findall('.//Word')

for count in counts         
    print count.get('Roman')

但它没有用。

Answer 1

我最近遇到了类似的问题。这是因为我使用的是旧版本的xml.etree包并解决了这个问题，我不得不为XML结构的每个级别创建一个循环。例如：

import urllib
import xml.etree.ElementTree as ET

url = 'http://jlp.yahooapis.jp/FuriganaService/V1/furigana?appid=dj0zaiZpPU5TV0Zwcm1vaFpIcCZzPWNvbnN1bWVyc2VjcmV0Jng9YTk-&grade=1&sentence=私は学生です'
uh = urllib.urlopen(url)
data = uh.read()
tree = ET.fromstring(data)
counts = tree.findall('.//Word')

for result in tree.findall('Result'):
    for wordlist in result.findall('WordList'):
        for word in wordlist.findall('Word'):         
            print(word.get('Roman'))

编辑：

根据@omu_negru的建议，我能够实现这一目标。还有另一个问题，当获取“Roman”文本时，您使用的是“get”方法，该方法用于获取标记的属性。使用元素的“text”属性，您可以获得开始和结束标记之间的文本。此外，如果没有'Roman'标记，您将获得None对象，并且无法获得None的属性。

# encoding: utf-8
import urllib
import xml.etree.ElementTree as ET

url = 'http://jlp.yahooapis.jp/FuriganaService/V1/furigana?appid=dj0zaiZpPU5TV0Zwcm1vaFpIcCZzPWNvbnN1bWVyc2VjcmV0Jng9YTk-&grade=1&sentence=私は学生です'
uh = urllib.urlopen(url)
data = uh.read()
tree = ET.fromstring(data)
ns = '{urn:yahoo:jp:jlp:FuriganaService}'
counts = tree.findall('.//%sWord' % ns)

for count in counts:
    roman = count.find('%sRoman' % ns)
    if roman is None:
        print 'Not found'
    else:
        print roman.text

Answer 2

试试tree.findall('.//{urn:yahoo:jp:jlp:FuriganaService}Word')。您似乎也需要指定命名空间。