Python 3 Schöne Suppe find Tag mit Doppelpunkt

Question

Ich versuche, diese Website zu kratzen und zwei separate Tags zu bekommen. So sieht das HTML aus.

Die Tags, die ich versuche zu bekommen, sind die loc und Bild: Titel. Das Problem, das ich habe, ist der Doppelpunkt im Title-Tag. Der Code, den ich bisher habe, ist

r = requests.get(url) 
soup = BeautifulSoup(r.content, 'html.parser') 

for item in soup.find_all('url'): 
    print(item.loc) 
    #print image title 

ich habe auch nur

print(item.title) 

zu tun versucht, aber das funktioniert nicht

Answer 1

Sie es stattdessen in "xml" mode analysieren sollte (erfordert lxml zu sein auch installiert):

from bs4 import BeautifulSoup 

data = """ 
<url> 
    <loc> 
    http://link.com 
    </loc> 
    <lastmod>date</lastmod> 
    <changefreq>daily</changefreq> 
    <image:image> 
    <image:loc> 
    https://imagelink.com 
    </image:loc> 
    <image:title>Item title</image:title> 
    </image:image> 
</url>""" 

soup = BeautifulSoup(data, 'xml') 

for item in soup.find_all('url'): 
    print(item.title.get_text()) 

Drucke Item title.

Beachten Sie, dass ich mehrere Fixes auf Ihre XML-Zeichenfolge angewendet haben, da es zunächst nicht gut ausgebildet war.