美しいスープでXMLのURLのすべてのページIDを見つける

Question

以下は、私が扱っているXMLバックアップの構造です。私はXMLからすべてのURLを取得するいくつかのコードを書いています - それぞれのURLに対して、XMLをトラバースして表示される方法がありますか？それが表示されるページID（XML構造の2番目のタグ） ？

<page> 
<id></id> 
<name></name> 
<description>&lt;a href=&quot;http://google.com&quot; target=&quot;_self&quot;&gt;LINK&lt;/a&gt;</description> 
<boxes> 
    <box> 
    </box> 
</boxes> 
</page> 

更新：

<page> 
<id></id> 
<name></name> 
<description></description> 
<url></url> 
<boxes> 
    <box> 
    <id></id> 
    <name></name> 
    <type></type> 
    <column></column> 
    <position></position> 
    <hidden></hidden> 
    <created></created> 
    <updated></updated> 
    <assets> 
    <asset> 
    <id></id> 
    <name></name> 
    <type></type> 
    <description></description> 
    <url/> 
    <owner> 
     <id></id> 
     <email></email> 
     <first_name></first_name> 
     <last_name></last_name> 
    </owner> 
    <map_id></map_id> 
    <position></position> 
    <created></created> 
    <updated></updated> 
    </asset> 
    </assets> 
    </box> 
</boxes> 
</page> 

Answer 1

私はあなたがあなたの質問に提供するもので複製し、いくつかのIDを入れることで、XMLのファイルをアップしました。

<pages> 
    <page> 
    <id>1</id> 
    <name></name> 
    <description>&lt;a href=&quot;http://google.com&quot; target=&quot;_self&quot;&gt;LINK&lt;/a&gt;</description> 
    <boxes> 
     <box> 
     </box> 
    </boxes> 
    </page> 
    <page> 
    <id>2</id> 
    <name></name> 
    <description>&lt;a href=&quot;http://google.com&quot; target=&quot;_self&quot;&gt;LINK&lt;/a&gt;</description> 
    <boxes> 
     <box> 
     </box> 
    </boxes> 
    </page><page> 
    <id>3</id> 
    <name></name> 
    <description>&lt;a href=&quot;http://google.com&quot; target=&quot;_self&quot;&gt;LINK&lt;/a&gt;</description> 
    <boxes> 
     <box> 
     </box> 
    </boxes> 
    </page> 
</pages> 

このコードでは、idsと説明が表示されます。

>>> from lxml import etree 
>>> tree = etree.parse('temp.xml') 

>>> for page in tree.xpath('.//page'): 
...  page.xpath('id')[0].text, page.xpath('description')[0].text 
... 
('1', '<a href="http://google.com" target="_self">LINK</a>') 
('2', '<a href="http://google.com" target="_self">LINK</a>') 
('3', '<a href="http://google.com" target="_self">LINK</a>')