Question

如果我的标题听起来令人困惑，我很抱歉。我正在编写一个比较2个XML文件的Python脚本。在这两个文件中，我们都有数据，其id与其他文件中的id相同。

E.g。

源文件：

  <id>123456</id> 
    <data>blabla</data>
        ......some other data......
  <id>abcde</id>
    <data>gfkgjk</data>
        ......some more data..........

目标文件：

  <id>123456</id> 
    <data> </data>
        ......some other data......
  <id>ghijk</id>
    <data>gfkgjk</data>
        ......some more data..........

正如您在上面的示例中所看到的，源文件中的所有ID都不在目标文件中。此外，虽然2个数据组具有相同的ID，但是一个数据组填写了“数据”标签，另一个没有填充。

我的程序应该查看源文件，提取数据标记之间的id和文本。然后它查看目标文件，如果存在具有相同ID和空数据标记的数据（如上例所示），则会使用源文件中的信息填充这些空标记。（顺便说一下：除了ID和数据信息之外，两个XML完全不同，因此我不能只保留源文件。）

是的，我能够提取数据标签之间的ID和信息。现在我正在尝试编写一个函数来比较id并替换空数据信息（如果有的话）。但是，我对Python和函数不是很熟悉，需要一些帮助。这是我的函数的样子：

def replace_empty_data():
    for x in xmlData_id_source:
       if xmlData_id_source==xmlData_id_target:
          target = re.sub(xmlData_2,xmlData,target)
       return target
    file_target.close()

功能中可能缺少负载，但我不知道是什么。它没有给我任何错误，只是没有工作。除x之外的变量已在代码的早期部分中定义，因此这不是问题。

xmlData_id_source是源文件中的ID xmlData_id_target是目标文件中的ID xmlData_2是目标文件中的数据信息 xmlData是源文件

中的数据信息

感谢您的输入到目前为止，但我仍然在寻找一个易于理解的方法，对于那些对编程没有任何线索的人....我使用minidom来解析文件，并且希望不使用它导入和安装更多的库。

Answer 1

您需要使用XML Parser。看看ElementTree。

请勿在此处使用正则表达式或字符串替换。

Answer 2

我使用lxml，它具有良好的性能和其他功能，例如内置ElementTree不支持的XPATH。这就是我要做的事情：

>>> source = """<root>
    <tag>
        <id>123456</id> 
        <data>blabla</data>
    </tag>
    <tag>
        <id>abcde</id>
        <data>gfkgjk</data>
    </tag>
</root>"""
>>> target = """<root>
    <tag>
        <id>123456</id> 
        <data> </data>
    </tag>
    <tag>
        <id>ghijk</id>
        <data>gfkgjk</data>
    </tag>
</root>"""

由于data节点未封装在id节点中，我认为它们都在tag节点中，位于root之下。好的，第1部分旨在获得id s及其相应data的词典：

>>> root = etree.fromstring(source)
>>> for tag in root.findall('tag'):
    id_ = tag.find('id')
    data = tag.find('data')
    id_dict[id_.text] = data.text


>>> id_dict
{'123456': 'blabla', 'abcde': 'gfkgjk'}

现在，感谢这个词典更新目标：

>>> root = etree.fromstring(target)
>>> for tag in root.findall('tag'):
    id_ = tag.find('id')
    data = tag.find('data')
    if data.text.strip() == '':
        data.text = id_dict[id_.text]


>>> print etree.tostring(root)
<root>
    <tag>
        <id>123456</id> 
        <data>blabla</data>
    </tag>
    <tag>
        <id>ghijk</id>
        <data>gfkgjk</data>
    </tag>
</root>

您必须使该解决方案适应您的真实XML结构，这应该是好的！

比较两个XML文件并更新其中一个元素

2 个答案: