ElementTree XML解析只是返回sitemap.org？

Question

試圖尋找一個簡單的解釋，我要去哪裏錯了，但無法找到一個。下面的代碼摘錄：

import time, threading, urllib2, os 
import xml.etree.ElementTree as ET 

save_path = '/Users/sampeka/Desktop/Programming/SilkySpider/Data' 
bloomberg_site_map = urllib2.urlopen('http://www.bloomberg.com/sitemap_news.xml').read() 
reuters_site_map = urllib2.urlopen('http://www.reuters.com/sitemap_news_index.xml').read() 

def saveXmlFile(data,name): 
    try: 
     abs_path = os.path.abspath(save_path) 
     open_file = open(abs_path+'/'+name,'w') 
     open_file.write(data) 
    finally: 
     open_file.close() 

class ParseXML: 

    def __init__(self,xml_file): 
     self.xml_file = xml_file 

    def printStuff(self): 
     tree = ET.parse(self.xml_file) 
     root = tree.getroot() 
     for child in root: 
      print child.tag, child.attrib 


saveXmlFile(bloomberg_site_map,'Bloomberg Site Map.xml') 
ParseXML(save_path+'/Bloomberg Site Map.xml').printStuff() 

回報這幾次：

{http://www.sitemaps.org/schemas/sitemap/0.9}url 
{http://www.sitemaps.org/schemas/sitemap/0.9}url 
{http://www.sitemaps.org/schemas/sitemap/0.9}url 
{http://www.sitemaps.org/schemas/sitemap/0.9}url 
{http://www.sitemaps.org/schemas/sitemap/0.9}url 

的XML被正確保存，所以我必須只是簡單的東西。有人可以解釋爲什麼這會被卡住嗎？非常感謝您的幫助。

Answer 1

您的代碼正在迭代XML根元素的子元素。由於XML文檔（看了看彭博一個）包括：

<urlset ...> 
    <url ...> 
    ... 
    </url> 
    <url ...> 
    ... 
    </url> 
    ... 
</urlset> 

輸出爲url元素的列表。

你還沒有說明你想得到什麼輸出。但是，您很可能需要遞歸地遍歷每個XML元素，或者使用xpath來提取文檔的特定部分。

實施例：以提取publication_date字段：

import lxml.etree 
tree = lxml.etree.parse(self.xml_file) 
root = tree.getroot() 
for pd in root.xpath("//*[local-name()='publication_date' and namespace-uri()='http://www.google.com/schemas/sitemap-news/0.9']"): 
    print pd.text