使用Python和beautifulSoup從XML輸出創建多個txt文件

Question

我有一個XML頁面，我想將其分成幾個部分，然后從每個部分中提取文本，然后將它們分離成一個.txt文件，其保存的名稱從001開始到099。例如，我想要第1部分的全部在名為001的文件中，第2節的全部在名為002的文件中，依此類推。 這是我到目前為止的內容：

import bs4 as bs
import urllib.request

source = urllib.request.urlopen('https://www.govinfo.gov/bulkdata/CFR/2018/title-49/CFR-2018-title49-vol1.xml/').read()

soup = bs.BeautifulSoup(source,'lxml')

for paragraph in soup.find_all('section'):
print(paragraph.string)
print(str(paragraph.text))

我想知道如何使用節保存在各自文件中來創建增量txt文件輸出。

Answer 1

要將所有部分組合在一起，可以使用Python的groupby()函數。 這具有從段落中提取節號的功能。 然后，groupby函數創建具有相同節號的所有段落的列表，並將它們一起返回：

from itertools import groupby
import bs4 as bs
import urllib.request

def section(paragraph):
    return paragraph.sectno.text.strip('§ ').split('.')[0]


source = urllib.request.urlopen('https://www.govinfo.gov/bulkdata/CFR/2018/title-49/CFR-2018-title49-vol1.xml/').read()
soup = bs.BeautifulSoup(source, 'lxml')

for section_number, paragraphs in groupby(soup.find_all('section'), section):
    filename = f'Section {int(section_number):02}.txt'

    with open(filename, 'w', encoding='utf-8') as f_output:
        section_text = '\n-------------\n'.join(p.text for p in paragraphs)
        f_output.write(section_text)

這些文件如下所示：

Section 01.txt
Section 03.txt
Section 05.txt
Section 06.txt
Section 07.txt
Section 08.txt
...
Section 10.txt
Section 80.txt
Section 89.txt
Section 91.txt
Section 92.txt
Section 93.txt
Section 98.txt
Section 99.txt

每個段落也用小行隔開。