使用 BeautifulSoup 从 XBRL 文件中解析 ID

Question

我在使用 Beautifulsoup 抓取 XBRL 文件时遇到问题。

代码：

openxbrl = open(file.file_path, 'r')
readxbrl = openxbrl.read()    
contextsoup = xbrlsoup.findAll('xbrli:context')
print(contextsoup)

给出如下输出（示例，有多个children）

  <xbrli:context id="context0">
     <xbrli:period>
      <xbrli:instant>
       2020-12-31
      </xbrli:instant>
     </xbrli:period>

我似乎无法弄清楚如何在不打印整个 contextsoup 的情况下解析上下文 ID：id="context0"。我试图通过解析名称来打印 id:

 for child in contextsoup:
    pprint.pprint(child.name)
    pprint.pprint(child.find('xbrli:period'))

但是没有给我id

  'xbrli:context'
    <xbrli:period>
     <xbrli:instant>
      2020-12-31
     </xbrli:instant>
    </xbrli:period>

如何在不打印整个 xbrl 的情况下解析 id？

Answer 1

id="context0" 不是元素名称的一部分，它是一个属性 (BS docs on attributes)

您可以通过将标签视为字典来访问属性值：

for context in contextsoup:
    print(context['id'])

您也可以直接通过属性值查找标签。 id 属性的值在整个文档中应该是唯一的，所以你可以这样做：

soup.find(id='context0')

您还应该知道您正在使用命名空间 XML；如果您使用不同的 XBRL 报告，则不能依赖上下文标签总是被称为 xbrli:context，因为 xbrli 位是文档定义的前缀，它为命名空间 URI。我相信 Beautiful Soup 4 确实有一些命名空间支持，但我没有使用它。

正确解析 XML 格式的 XBRL 非常复杂，我建议使用现有的 XBRL 处理器来完成它。处理 XBRL 报告的最佳方法之一是将其转换为较新的 xBRL-JSON format, and then work with it as JSON data. There are a number of tools that can do this conversion, including the open source Arelle 项目。

使用 BeautifulSoup 从 XBRL 文件中解析 ID

Parse id from XBRL file with BeautifulSoup

python

beautifulsoup

xbrl