0

Помогите пожалуйста с решением такой задачей: Скрипт проходит по папкам и под папкам с помощью

os.walk()

находит папки где находятся два xml файла (1.xml, 2.xml) и сохраняет пути к ним в питоновский список, после чего парсит инфу с оба файла по путям из списка. В большинстве файлов 2.xml есть тэг

<Product Type="Voice">

но есть некоторые с тем же тэгом но на русском

<Продукт Тип="Голос">

Пытался решить данную задачу данным путем:

file = open('путь к 2.xml', encoding='utf8')
soup = BeautifulSoup(file, 'html.parser')
try:
    file_type = soup.find('Product')['Type']
except:
    file_type = soup.find('Продукт')['Тип']

выдает ошибку:

TypeError: 'NoneType' object is not subscriptable

Когда скрипт парсит файлы без <Продукт Тип="Голос">, то есть только <Product Type="Voice">, то все нормально отрабатывает.

Спасибо заранее.

<?xml version="1.0" encoding="utf-8" standalone="yes"?> <Product Target_number="81234" Target="Q-3093-558877" Subcase_ID="4663" Subcase="6" Case_ID="1044" Case="GGG" Product_ID="5674856513" Type="Voice" ...>

<?xml version="1.0" encoding="utf-8" standalone="yes"?> <Продукт Номер_цели="80384" Цель="Q-2851-7899557774" ID_поддела="345" Поддело="435" ID_дела="234" Дело="6633" ID_продукта="123242345" Тип="Голос" ...>
3
  • Приведите в вопросе пример XML, с которой ошибка происходит
    – gil9red
    19 ноя 2018 в 14:29
  • Разве с этой ошибка происходит? Вы ведь писали, что теги с кириллицей парсятся с ошибкой
    – gil9red
    19 ноя 2018 в 14:35
  • Спасибо, но я просил в вопрос добавить, а не в комментарий :) Под вопросом есть кнопка править. Посмотрите мой ответ, это помогло вам?
    – gil9red
    19 ноя 2018 в 14:42

1 ответ 1

1

Попробуйте вместо html.parser указывать xml:

soup = BeautifulSoup(file, 'xml')

try:
    file_type = soup.find('Product')['Type']
except:
    file_type = soup.find('Продукт')['Тип']

print(file_type)  # Голос

Файл:

<Продукты>
    <Продукт Тип="Голос"/>
    <Продукт Тип="Голос"/>
    <Продукт Тип="Голос"/>
    <Продукт Тип="Голос"/>
</Продукты>

PS.

Парсер xml это lxml, поэтому если его нет, нужно будет установить:

pip install lxml

PPS.

Парсер из стандартной библиотеки удачно нашел, можно им попробовать:

import xml.etree.ElementTree as ET

file = open('путь к 2.xml', encoding='utf-8')
root = ET.parse(file)

file_type = root.find('Продукт').attrib['Тип']
print(file_type)  # Голос
9
  • проблема в том что я не знаю когда будет на кирилице а когда на латинице
    – eee rrr
    19 ноя 2018 в 14:43
  • @eeerrr, не вижу проблемы -- всегда используйте парсер xml. Или используйте парсер из коробки xml.etree.ElementTree -- код похожий, переписать не сложно будет.
    – gil9red
    19 ноя 2018 в 14:58
  • написал 2 функции через: одна отрабатывает кирилицу другая латиницу try: file_type = ET.find('Product').attrib['Type'] except: file_type = ET.find('Продукт').attrib['Тип'] print(file_type) выскакивает ошибка AttributeError: 'NoneType' object has no attribute 'attrib'
    – eee rrr
    19 ноя 2018 в 15:40
  • Извините за мою назойливость, подскажите как можно решить эту задачу. Спасибо.
    – eee rrr
    20 ноя 2018 в 7:58
  • @eeerrr, ничего страшного :) Как я писал выше, код оставляйте такой же (который ищет теги в двух вариантах: английском и русском), но вместо html.parser используйте xml. Парсер xml у меня удачно нашел теги на русском и английском, единственный минус, его нужно как устанавливать, например через команду pip install lxml. BeautifulSoup тоже нужно было устанавливать pip install bs4, поэтому не думаю что с lxml у вас будут проблемы. Кроме того, есть аналог bs4+lxml, который в PPS написал, но тот скорее всего потребует переписывания кода и разбирательства с ним
    – gil9red
    20 ноя 2018 в 8:05

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.