python - 从Beautifulsoup的“提取”标签中提取内容

我有一个xml语料库，其中一个标记名为extract<EXTRACT>。但这个词是美组的关键词。如何提取此标记的内容。当我写entry.extract.text时，它返回错误，当我使用entry.extract时，将提取整个内容。
据我所知，Beautifulsoup执行标签的折叠。如果有什么方法可以克服这一点，对我也可能有帮助。
注：
目前我用以下方法解决了这个问题。

extra = entry.find('extract')
absts.write(str(extra.text))

但我想知道是否有任何方法可以使用它，就像我们使用其他标签，如entry.tagName

最佳答案

根据BS的源代码tag.tagname实际调用了tag.find("tagname")引擎盖下。下面是__getattr__()类的Tag方法的外观：

def __getattr__(self, tag):
    if len(tag) > 3 and tag.endswith('Tag'):
        # BS3: soup.aTag -> "soup.find("a")
        tag_name = tag[:-3]
        warnings.warn(
            '.%sTag is deprecated, use .find("%s") instead.' % (
                tag_name, tag_name))
        return self.find(tag_name)
    # We special case contents to avoid recursion.
    elif not tag.startswith("__") and not tag=="contents":
        return self.find(tag)
    raise AttributeError(
        "'%s' object has no attribute '%s'" % (self.__class__, tag))

请注意，它完全基于find()，因此在您的案例中使用tag.find("extract")几乎是可以的：

from bs4 import BeautifulSoup


data = """<test><EXTRACT>extract text</EXTRACT></test>"""
soup = BeautifulSoup(data, 'html.parser')
test = soup.find('test')
print test.find("extract").text  # prints 'extract text'

另外，您可以使用test.extractTag.text，但它已被弃用，我不推荐使用它。
希望能有所帮助。