Question

假设我有一个示例配置XML文件，如下所示：

<?xml version="1.0"?>
<note> 
    <to>Tove</to> 
    <infoaboutauthor>
      <nestedprofile>
           <aboutme> 
               <gco:CharacterString>I am a 10th grader who likes to play ball.</gco:CharacterString> 
          </aboutme>
      </nestedprofile>
    </infoaboutauthor>
    <date>
        <info_date>
            <date>
               <gco:Date>2003-06-13</gco:Date>
            </date>
            <datetype>
                <datetype attribute="Value">
                </datetype>
            </datetype>
        </info_date>
    </date>
    <from>Jani</from> 
    <heading>Reminder</heading> 
    <body>Don't forget me this weekend!</body> 
  </note>

在python中（尝试使用ElementTree，不确定它是否最好）我想获得某些标签的某些值。我试过了：

with open('testfile.xml', 'rt') as f:
    tree = ElementTree.parse(f)
print 'Parsing'
root = tree.getroot()
listofelements = root_elem.findall('gco:CharacterString')    
for elementfound in listofelements:
    print elementfound.text

在我上面使用的代码中，当我收到冒号时它似乎不起作用，因为我收到以下错误：

SyntaxError: prefix 'gco' not found in prefix map

我的目标是

获取“2003-06-13”标签中的文字
“aboutme”标签中的文字

实现这一目标的最佳方法是什么？有没有办法查找“gco：CharacterString”，其中父级等于“aboutme”？或者是否有一些方便的方法可以让它进入一个我可以去mydict['note']['to']['nestedprofile']['aboutme']的词典？

注意：“gco：”前缀是我必须处理的内容，它是xml的一部分。如果elementtree不适合这个，那没关系。

Answer 1

首先，您的XML已损坏。第2行中的-打破了解析器。我也不认为它喜欢gco:。你可以使用其他一些XML配置吗？或者这是由你无法控制的东西自动生成的？

所以这就是XML使用Python需要的样子：

<?xml version="1.0"?>
<note>
    <to>Tove</to>
    <infoaboutauthor>
      <nestedprofile>
           <aboutme>
               <CharacterString>I am a 10th grader who likes to play ball.</CharacterString>
          </aboutme>
      </nestedprofile>
    </infoaboutauthor>
    <date>
        <info_date>
            <date>
               <Date>2003-06-13</Date>
            </date>
            <datetype>
                <datetype attribute="Value">
                </datetype>
            </datetype>
        </info_date>
    </date>
    <from>Jani</from>
    <heading>Reminder</heading>
    <body>Don't forget me this weekend!</body>
  </note>

这是实现两个目标的代码：

# Get the element tree from the file name and not a file object
tree = ElementTree.parse('config.xml')

# Get the root of the tree
root = tree.getroot()

# To get the 'Date' tag and print its text
date_tag = root.find('date').find('info_date').find('date').find('Date')
print date_tag.text

# Get the `aboutme` tag and print its text
about_me_tag = root.find('infoaboutauthor').find('nestedprofile').find('aboutme').find('CharacterString')
print about_me_tag.text

<强>更新

就处理“gco：”而言，你可以这样做：

def replace_in_config(old, new):
    with open('config.xml', 'r') as f:
        text = f.read()

    with open('config.xml', 'w') as f:
        f.write(text.replace(old, new))

然后在执行上述XML操作之前运行：

replace_in_config('gco:', '_stripped')

然后在XMl操作完成后（当然你需要考虑gco:Date标签现在是stripped_Date和CharacterString标签这一事实），运行：

replace_in_config('_stripped', 'gco:')

这将保留原始格式，并允许您使用etree解析它。

Answer 2

我认为您的XML文档无效，因为尚未定义'gco'命名空间。

作为parse命令的一部分，我无法找到将定义提供给lxml的方法。您可以操作文档来添加定义或删除@ mjgpy3建议的前缀。

另一种方法可能是使用HTML解析器，因为它对它接受的内容要严格得多。但要注意，这会改变数据结构以添加HTML标题等。

from lxml import etree

Parser = etree.HTMLParser()
XMLDoc = etree.parse(open('C:/Temp/Test.xml', 'r'), Parser)

Elements = XMLDoc.xpath('//characterstring')

for Element in Elements:
    print Element.text

如何解析xml以在python中查找以下节点的文本值？

2 个答案: