@Katsuhisa_Detoposted at 2022-11-02

質問：XMLファイルのWebスクレイピングにおける欠損値処理

Q&A

解決したいこと

pythonでXMLファイルを対象に、Webスクレイピングをしています。
XMLファイルに含まれる欠損値・項目として存在しないタグの内容を出力できるようにしたいです。

具体的な内容

タグの値が「1」<AB56222>1</AB56222>の際に、その次に出力されるべきタグ<AB56225>???</AB56225>自体が出力されない仕様のXMLファイルがあります。
その際、<AB56225>nan</AB56225>と出力されるように変更したいです。

XMLファイルの中身

xml

<?xml version="1.0" encoding="UTF-8"?>
<ABM55525>
    <ABMR55525>
        <AB56455>aaa</AB56455>
        <AB56225>Mike</AB56225>
        <AB56222>DK55552</AB56222>
        <AB56222>0</AB56222>
        <AB56225>2.4</AB56225>
    </ABMR55525>
    <ABMR55525>
        <AB56455>aab</AB56455>
        <AB56225>Tom</AB56225>
        <AB56222>DK55552</AB56222>
        <AB56222>1</AB56222>　← ココ。次の行に<AB56225>nan</AB56225>が出力されるようにしたい。
    </ABMR55525>
    <ABMR55525>
        <AB56455>aac</AB56455>
        <AB56225>Cathy</AB56225>
        <AB56222>DK55552</AB56222>
        <AB56222>0</AB56222>
        <AB56225>2.8</AB56225>
    </ABMR55525>
</ABM55525>

該当箇所

該当箇所（14行目）
        <AB56222>1</AB56222>

実現したい修正後の形

        <AB56222>1</AB56222>
        <AB56225>nan</AB56225>

自分で試したこと

1 . replaceメソッドを使用

python

xml_a = open(file_a, 'r', encoding='utf-8').read()
soup = BeautifulSoup(xml_a, 'xml')

# 文字列として置換
soup.replace(str('<JP56222>1</JP56222>'),str('<JP56222>0</JP56222>\n<JP56225>nan</JP56225>'))

結果：エラー

----> soup.replace(str('<JP56222>1</JP56222>'),str('<JP56222>0</JP56222>\n<JP56225>nan</JP56225>'))

TypeError: 'NoneType' object is not callable

2 . append, insert_afterメソッドを使用
以下記事を参考に、タグの要素に対してタグや文字列の追加を行う
https://senablog.com/python-bs4-modification/#

python

xml_a = open(file_a, 'r', encoding='utf-8').read()
soup = BeautifulSoup(xml_a, 'xml')

soup = BeautifulSoup("<AB56222>1</AB56222>", 'html.parser')
new_tag = soup.new_tag('AB56225')
new_tag.string = 'nan'
soup.ab56222.string.insert_after(new_tag)
soup

結果：タグの中にnanが入れ込まれる

<ab56222>1<AB56225>nan</AB56225></ab56222>

期待した結果を得るようにするために、どのようにコードを修正すべきか、使える新しいメソッドなどがあれば教えてください。
よろしくお願いします。

Are you sure you want to delete the question?