如何在Python BeautifulSoup中找到带有特殊字符的xml标记

问题描述

我正在使用Python BeautifulSoup版本3.我的xml看起来像这样(来自docx格式):-

I am using Python BeautifulSoup version 3.my xml looks something like this (its from docx format):-

<w:r w:rsidRPr="00541D75">
<w:rPr>
<w:rFonts w:ascii="Times New Roman" w:hAnsi="Times New Roman" w:cs="Times New Roman"/>
<w:b/>
<w:color w:val="1F497D" w:themeColor="text2"/>
<w:sz w:val="24"/>
<w:szCs w:val="24"/>
</w:rPr>
<w:t>Mandatory / Optional</w:t>
</w:r>
</w:p>
</w:tc>
</w:tr>

我想从标签"w:t"中提取内容，所以这就是我所做的:-

I wanted to extract out the content from tag 'w:t', and so this is what i did:-

print soup.findAll('w:t')

这是我收到的错误消息:-

This is the error message that i got:-

print soup.findAll('w:t')
UnicodeEncodeError: 'ascii' codec can't encode character u'\u201c' in position 43: ordinal not in range(128)

推荐答案

漂亮的对象必须定义如下:

the beautiful object must be defined as follow :

BeautifulSoup(markup, "lxml-xml") 

或

BeautifulSoup(markup, "xml")

如指定的文档中所述.

这篇关于如何在Python BeautifulSoup中找到带有特殊字符的xml标记的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！