Python BS4与SDMX

Question

我想检索SDMX文件（如https://www.bundesbank.de/cae/servlet/StatisticDownload?tsId=BBK01.ST0304&its_fileFormat=sdmx&mode=its）中给出的数据。我试图使用BeautifulSoup，但看起来，它没有看到标签。在下面的代码

import urllib2 
from bs4 import BeautifulSoup 
url = "https://www.bundesbank.de/cae/servlet/StatisticDownload?tsId=BBK01.ST0304&its_fileFormat=sdmx" 
html_source = urllib2.urlopen(url).read() 
soup = BeautifulSoup(html_source, 'lxml') 
ts_series = soup.findAll("bbk:Series") 

这给了我一个空的对象。

是BS4错误的工具，或者（更可能）我做错了什么？ 在此先感谢

Answer 1

soup.findAll("bbk:series")会返回结果。实际上，在这种情况下，即使您使用lxml作为解析器，BeautifulSoup仍然将其解析为html，因为html标签大小写不敏感，BeautifulSoup会降低所有标签，因此soup.findAll("bbk:series")有效。请参阅官方文档中的Other parser problems。

如果您想将其解析为xml，请改为使用soup = BeautifulSoup(html_source, 'xml')。它还使用lxml，因为lxml是唯一的xml解析器BeautifulSoup。现在您可以使用ts_series = soup.findAll("Series")获得结果，因为beautifulSoup将剥离名称空间部分bbk。