如何从 web 解析格式不正确的 XML 到 ElementTree

Question

我在处理来自网络的 XML 文件时遇到困难。这不是我的 XML，所以我无法修改格式。

import urllib
import xml.etree.ElementTree as ET

xmls = urllib.request.urlopen('http://odds.smarkets.com/oddsfeed.xml')

tree = ET.ElementTree(ET.fromstring(xmls.read())

但它给了我一个 ParseError: not well-formed (invalid token): line 1, column 0

我认为这可能与它的编码方式有关，但我对编码一无所知，当我运行通过 Chared 它说 utf_8.

我也试过用BeautifulSoup，但是好像只读了第一行

<?xml version=1.0" encoding="utf-8"?>

Answer 1

不要重新发明轮子 并使用特殊的库来解析 XML 提要 - feedparser:

from pprint import pprint

import feedparser

d = feedparser.parse('http://odds.smarkets.com/oddsfeed.xml')
pprint(d['feed'])

打印：

{'contract': {'id': '16696354',
              'name': 'Arthur Burrell',
              'slug': 'arthur-burrell'},
 'event': {'date': '2016-07-01',
           'id': '741548',
           'name': '14:10',
           'parent': 'Newton Abbot',
           'parent_slug': 'newton-abbot',
           'slug': 'newton-abbot-2016-07-01T00:00:00-14-10',
           'time': '13:10:00',
           'type': 'horse racing race',
           'url': '/sport/horse-racing/newton-abbot/2016/07/01/14:10'},
 'market': {'id': '5464210', 'slug': 'to-place', 'winners': '3'},
 'odds': {'timestamp': '2016-07-01T 1:40:15'},
 'price': {'backers_stake': '2.50',
           'decimal': '1.35',
           'liability': '7.14',
           'percent': '74.07'}}

Answer 2

事实证明，使用 lxml 版本的 ElementTree 可以很好地解析我的文件。所以我现在正在使用它。

如何从 web 解析格式不正确的 XML 到 ElementTree

How to parse not-well formed XML from web to ElementTree

python

xml

elementtree