在python中解析不是纯xml的文件的最佳方法是什么

Question

我试图解析不是纯xml的python文件，因为它不是纯xml，xml解析器无法解析该文件。

请建议我一个解决方案，我不想读取具有I / O功能的文件。

<groups>
   <url>
      description = helloz
      <whatis>
         <what_is_that>
            active = yes
            <inside_what>
               <default>
                  <0>
                     tagid = 0

                  </0>
               </default>
            </inside_what>
            <second_list>
               <0>
                  name = do
               </0>
            </second_list>
         </what_is_that>

Answer 1

您可以使用BeautifulSoup尝试类似的操作。 当您创建BeautifulSoup对象时，它将单独插入缺少的结束标记。 然后，您可以轻松提取所需的任何内容。

from bs4 import BeautifulSoup

with open('file_name', 'r') as f:
    a = f.read()
    soup=BeautifulSoup(a, 'lxml')
    print soup.find('inside_what')

输出：

<inside_what>
<default>

                     tagid = 0

                  0&gt;
               </default>
</inside_what>