Question

您好Stackoverflow社区，

我很感激使用Python和elementTree库调整XML文件的一些指导。

在某些背景下，我不是学生并且在工业界工作。我希望通过自动化这些更改来节省大量的手动工作，通常我会用C ++这样的语言完成这项工作，我更熟悉。但是，在我的小组中使用Python是一种推动，因此我将其用作功能和学习练习。

因此，解决方案指导是有帮助的，但如有可能，请您更正我对术语和理解的使用吗？我不仅仅想让代码工作，而是要知道我对其工作方式的理解是正确的。

问题本身：

目标：从XML文件中删除子元素“weight”。

使用xml代码（我们只能说它叫做“example.xml”）：

<XML_level_1 created="2014-08-19 16:55:02" userID="User@company">
<XML_level_2 manufacturer="company" number="store-25235">
  <padUnits value="mm" />
  <partDescription value="Part description explained here" />
  <weight value="5.2" />
</XML_level_2>
</XML_level_1>

到目前为止，我有以下代码：

from xml.etree import ElementTree

current_xml_tree = ElementTree.parse(filename_path) # Path to example.xml

current_xml_root = current_xml_tree.getroot()
current_xml_level_2_node = current_xml_root.findall('XML_level_2')

# Extract "weight" value for later use
for weight_value_elem in current_xml_root.iter('weight'):
    weight_value = weight_value_elem.get('value')

# Remove weight sub-element from XML
# -------------------------------------

# Get all nodes entitled 'weight' from element
weight_nodes = current_xml_root.findall('weight')
print weight_nodes     # result is an empty list

print weight_value_elem    # Location of element 'weight' is listed

for weight_node_loc in current_xml_tree.iter('weight'):
    print "for-loop check : loop has been entered"

    current_xml_tree.getroot().remove(weight_value_elem)
    print "for-loop has been processed"

print "Weight line removed from ", filename_path

# Write changes to XML File:
current_xml_tree.write(filename_path)

我看过很多页面，但是这一页：http://www.cmi.ac.in/~madhavan/courses/prog2-2015/docs/python-3.4.2-docs-html/library/xml.etree.elementtree.html似乎很有帮助，但已达到我被卡住的程度。提前谢谢大家！

问题B：此上下文中节点和元素的关系是什么？

我来自有限元素背景，其中节点被理解为元素的一部分，定义了创建元素的部分/角落边界。但是，我认为这里的术语使用方式不同，以至于节点不是元素的子集，我是错误的吗？这两个术语是否仍然以类似的方式相关？

Answer 1

从树中删除元素，无论它在树中的位置如何，都会因ElementTree API而不必要地复杂化。具体来说，没有元素知道它自己的父元素，所以我们必须“手动”发现这种关系。

from xml.etree import ElementTree
XML = '''
    <XML_level_1 created="2014-08-19 16:55:02" userID="User@company">
    <XML_level_2 manufacturer="company" number="store-25235">
      <padUnits value="mm" />
      <partDescription value="Part description explained here" />
      <weight value="5.2" />
    </XML_level_2>
    </XML_level_1>
'''

# parse the XML into a tree
root = ElementTree.XML(XML)

# Alternatively, parse the XML that lives in 'filename_path'
# tree = ElementTree.parse(filename_path)
# root = tree.getroot()

# Find the parent element of each "weight" element, using XPATH
for parent in root.findall('.//weight/..'):
    # Find each weight element
    for element in parent.findall('weight'):
        # Remove the weight element from its parent element
        parent.remove(element)

print ElementTree.tostring(root)

如果你可以切换到lxml，那么循环就不那么麻烦了：

for weight in tree.findall("//weight"):
  weight.getparent().remove(weight)

至于你的第二个问题，the ElementTree documentation或多或少地使用“节点”与“元素”互换。更具体地说，似乎使用“node”一词来指代“Element”类型的Python对象或这样一个对象所引用的XML元素。

Answer 2

您的问题是node.remove()仅删除node的直接子元素。在您发布的XML文件中，weight元素不是XML_level_1的直接子元素，而是XML_level_2的直接子元素。此外，ElementTree的实现方式似乎没有从孩子到其父母的链接。

您可以按如下方式更改代码：

from xml.etree import ElementTree

xml_str = '''
    <XML_level_1 created="2014-08-19 16:55:02" userID="User@company">
        <XML_level_2 manufacturer="company" number="store-25235">
            <padUnits value="mm" />
            <partDescription value="Part description explained here" />
            <weight value="5.2" />
        </XML_level_2>
    </XML_level_1>
'''    

root = ElementTree.fromstring(xml_str)

for elem in root.iter():
    for child in list(elem):
        if child.tag == 'weight':
            elem.remove(child)

说明：root.iter()以深度优先顺序遍历整个树，list(elem)列出特定元素的所有子项。然后，您过滤掉名称（标记）weight的元素，从而引用父元素和子元素，因此现在可以删除元素。

图书馆似乎没有特别区分node和element，尽管您只能在XML context中找到element这个词。

每个XML文档都具有逻辑和物理结构。在物理上，文档由称为实体的单元组成。一个实体可以指其他实体将其纳入文献。文档以“根”或文档实体开头。从逻辑上讲，该文件由声明，元素，评论，字符引用和处理指令，所有这些都是通过显式标记在文档中指出。逻辑和物理结构必须正确嵌套，如4.3.2 Well-Formed中所述解析实体。

Answer 3

要在不断增长的词汇表中再添加一个术语，请考虑XSLT，这是一种专用声明性语言，旨在转换XML文档以满足各种最终用途需求。事实上，XSLT是一个结构良好的XML文件，带有脚本指令！虽然Python的内置xml.etree没有XSLT处理器，但外部lxml（基于libxslt）模块维护着一个XSLT 1.0处理器。更重要的是，XSLT是可移植的，可以被其他语言（Java，PHP，Perl，VB，甚至C ++）甚至专用可执行文件（Saxon, Xalan）和命令行解释器（Bash，PowerShell）使用。

您将在下面注意到，不使用一个循环。在XSLT脚本中，Identity Transform按原样复制整个文档，空模板匹配到weight（无论它位于何处）将其删除。

import lxml.etree as ET

xml_str = '''
    <XML_level_1 created="2014-08-19 16:55:02" userID="User@company">
        <XML_level_2 manufacturer="company" number="store-25235">
            <padUnits value="mm" />
            <partDescription value="Part description explained here" />
            <weight value="5.2" />
        </XML_level_2>
    </XML_level_1>
'''
dom = ET.fromstring(xml_str)

xslt_str = '''
    <xsl:transform xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">
    <xsl:output version="1.0" encoding="UTF-8" indent="yes" />
    <xsl:strip-space elements="*"/> 

      <!-- Identity Transform -->
      <xsl:template match="@*|node()">
        <xsl:copy>
          <xsl:apply-templates select="@*|node()"/>
        </xsl:copy>
      </xsl:template>    

      <!-- Empty Template -->
      <xsl:template match="weight"/>    
    </xsl:transform>
'''
xslt = ET.fromstring(xslt_str)

transform = ET.XSLT(xslt)                          # INITIALIZES TRANSFORMER
newdom = transform(dom)                            # RUNS TRANSFORMATION ON SOURCE XML
tree_out = ET.tostring(newdom, pretty_print=True)  # CONVERTS TREE OBJECT TO STRING
print(tree_out.decode("utf-8"))

Answer 4

如果您知道您只有一个weight标签实例，则可以避免循环的麻烦，只需查找父元素和子元素，然后删除该子元素即可，例如：

xml_root = ElementTree.parse(filename_path).getroot() # Path to example.xml
parent_element = xml_root.find('./XML_level_2')
weight_element = xml_root.find('./XML_level_2/weight')
parent_element.remove(weight_element)

使用elementTree和.remove（）

问题本身：

问题B：此上下文中节点和元素的关系是什么？

4 个答案: