记录python爬某文化交易遇到的问题xml转json读出单个数据

简介: 记录python爬某文化交易遇到的问题xml转json读出单个数据

爬到的数据
在这里插入图片描述

<?xml version="1.0" encoding = "GBK"?><MEBS_MOBILE><REP name="hqjmc"><RESULT><JMC>89735167965775242892794118565310060813624119753161464612935749255847023178783461074917353297446270619254464435182697497003837752615791825176330069793843733964958426483172450032907003159612282417328917867514472938219197310751053269455659166240174428725524508884553123031959307889945926696379527035467155749000</JMC><RETCODE>0</RETCODE><MESSAGE></MESSAGE></RESULT></REP></MEBS_MOBILE>
<?xml version="1.0" encoding = "GBK"?><MEBS_MOBILE><REP name="user_login"><RESULT><MODULE_ID>7</MODULE_ID><LAST_TIME>2022-03-22 15:45:38</LAST_TIME><LAST_IP>14.205.91.113</LAST_IP><CHG_PWD>0</CHG_PWD><NAME>136639900251</NAME><RANDOM_KEY>2022032215461159613663990025194294</RANDOM_KEY><U>136639900251</U><BID>1366399</BID><PHONE>13213107881</PHONE><IS_USDT>0</IS_USDT><RETCODE>3501315678706488957</RETCODE></RESULT></REP></MEBS_MOBILE>
<?xml version="1.0" encoding = "GBK"?><MEBS_MOBILE><REP name="check_user"><RESULT><MODULE_ID>7</MODULE_ID><RETCODE>3495802602732227245</RETCODE></RESULT></REP></MEBS_MOBILE>
<?xml version="1.0" encoding = "GBK"?><MEBS_MOBILE><REP name="firm_info"><RESULT><FI>136639900251</FI><FN>黄木钦</FN><TP>-1</TP><IF>3099.08</IF><IN_F>0</IN_F><OU_F>0</OU_F><HK_S>0</HK_S><IC>0</IC><UC>0</UC><HK_B>3043.7</HK_B><OR_F>0</OR_F><OT_F>0.00</OT_F><IS>0</IS><FEE>4.42</FEE><BC_R>0</BC_R><BC_U>0</BC_U><BC_C>0</BC_C><BC_D>0</BC_D><SAF>0</SAF><OC>0.00</OC><MV>4603.68</MV><SG_F>0</SG_F><UF>50.96</UF><DQ>50.96</DQ><JYSQY>4654.64</JYSQY><IN_OUT>-100.0</IN_OUT><S_P_A_L>0.0</S_P_A_L><LISTING_F>0</LISTING_F><OVERDUE_FINE>0</OVERDUE_FINE><H_P_A_L>1562.869989</H_P_A_L><RETCODE>0</RETCODE><MESSAGE></MESSAGE></RESULT></REP></MEBS_MOBILE>

需要解析成json格式

import json
import xmltodict

b = """<?xml version="1.0" encoding = "GBK"?><MEBS_MOBILE><REP name="hqjmc"><RESULT><JMC>89735167965775242892794118565310060813624119753161464612935749255847023178783461074917353297446270619254464435182697497003837752615791825176330069793843733964958426483172450032907003159612282417328917867514472938219197310751053269455659166240174428725524508884553123031959307889945926696379527035467155749000</JMC><RETCODE>0</RETCODE><MESSAGE></MESSAGE></RESULT></REP></MEBS_MOBILE>"""


# 定义xml转json的函数
def xml_to_json(xml_str):
    # parse是的xml解析器
    xml_parse = xmltodict.parse(xml_str)
    # json库dumps()是将dict转化成json格式,loads()是将json转化成dict格式。
    # dumps()方法的ident=1,格式化json
    json_str = json.dumps(xml_parse, indent=1)
    aa=json.loads(json_str)
    return aa
a=xml_to_json(b)
print(a)
print("=============")
print(a['MEBS_MOBILE'])
print("=============")
print(type(a))


在这里插入图片描述
完结撒花!!!

相关文章
|
22天前
|
数据可视化 数据处理 Python
如何使用Python实现一个基于均线的交易策略
【10月更文挑战第9天】本文介绍了如何使用Python实现一个基于均线的交易策略。主要步骤包括导入所需库(如`pandas`、`numpy`和`matplotlib`),加载股票或期货的历史数据,计算均线和其他指标,实现交易策略逻辑,以及可视化交易结果。示例代码展示了如何根据均线交叉点进行开仓、止损和止盈操作,并提供了注意事项,如数据来源、交易成本和风险管理。
34 7
|
25天前
|
机器学习/深度学习 TensorFlow 算法框架/工具
使用Python实现深度学习模型:智能数据隐私保护
使用Python实现深度学习模型:智能数据隐私保护 【10月更文挑战第3天】
78 0
|
13天前
|
数据采集 JSON 数据处理
抓取和分析JSON数据:使用Python构建数据处理管道
在大数据时代,电商网站如亚马逊、京东等成为数据采集的重要来源。本文介绍如何使用Python结合代理IP、多线程等技术,高效、隐秘地抓取并处理电商网站的JSON数据。通过爬虫代理服务,模拟真实用户行为,提升抓取效率和稳定性。示例代码展示了如何抓取亚马逊商品信息并进行解析。
抓取和分析JSON数据:使用Python构建数据处理管道
|
23天前
|
数据处理 Python
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
这篇文章介绍了如何使用Python读取Excel文件中的数据,处理后将其保存为txt、xlsx和csv格式的文件。
42 3
Python实用记录(十):获取excel数据并通过列表的形式保存为txt文档、xlsx文档、csv文档
|
23天前
|
计算机视觉 Python
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
这篇文章介绍了如何使用Python的OpenCV库将多张图片合并为一张图片显示,以及如何使用matplotlib库从不同txt文档中读取数据并绘制多条折线图。
40 3
Python实用记录(九):将不同的图绘制在一起、将不同txt文档中的数据绘制多条折线图
|
24天前
|
数据可视化 算法 Python
基于OpenFOAM和Python的流场动态模态分解:从数据提取到POD-DMD分析
本文介绍了如何利用Python脚本结合动态模态分解(DMD)技术,分析从OpenFOAM模拟中提取的二维切片数据,以深入理解流体动力学现象。通过PyVista库处理VTK格式的模拟数据,进行POD和DMD分析,揭示流场中的主要能量结构及动态特征。此方法为研究复杂流动系统提供了有力工具。
54 2
基于OpenFOAM和Python的流场动态模态分解:从数据提取到POD-DMD分析
|
6天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
25 5
|
24天前
|
XML JSON 数据可视化
数据集学习笔记(二): 转换不同类型的数据集用于模型训练(XML、VOC、YOLO、COCO、JSON、PNG)
本文详细介绍了不同数据集格式之间的转换方法,包括YOLO、VOC、COCO、JSON、TXT和PNG等格式,以及如何可视化验证数据集。
31 1
数据集学习笔记(二): 转换不同类型的数据集用于模型训练(XML、VOC、YOLO、COCO、JSON、PNG)
|
11天前
|
数据可视化 算法 JavaScript
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
本文探讨了如何利用图论分析时间序列数据的平稳性和连通性。通过将时间序列数据转换为图结构,计算片段间的相似性,并构建连通图,可以揭示数据中的隐藏模式。文章介绍了平稳性的概念,提出了基于图的平稳性度量,并展示了图分区在可视化平稳性中的应用。此外,还模拟了不同平稳性和非平稳性程度的信号,分析了图度量的变化,为时间序列数据分析提供了新视角。
28 0
基于图论的时间序列数据平稳性与连通性分析:利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
|
20天前
|
自然语言处理 算法 数据挖掘
探讨如何利用Python中的NLP工具,从被动收集到主动分析文本数据的过程
【10月更文挑战第11天】本文介绍了自然语言处理(NLP)在文本分析中的应用,从被动收集到主动分析的过程。通过Python代码示例,详细展示了文本预处理、特征提取、情感分析和主题建模等关键技术,帮助读者理解如何有效利用NLP工具进行文本数据分析。
40 2