Question

我有一些由脚本生成的XML，可能有也可能没有空元素。有人告诉我，现在我们不能在XML中拥有空元素。这是一个例子：

<customer>  
    <govId>
       <id>@</id>
       <idType>SSN</idType>
           <issueDate/>
           <expireDate/>
           <dob/>
           <state/>
           <county/>
           <country/>
    </govId>
    <govId>
        <id/>
        <idType/>
        <issueDate/>
        <expireDate/>
        <dob/>
        <state/>
        <county/>
        <country/>
    </govId>
</customer>

输出应如下所示：

<customer>  
    <govId>
       <id>@</id>
       <idType>SSN</idType>        
    </govId>        
</customer>

我需要删除所有空元素。你会注意到我的代码在“govId”子元素中删除了空的东西，但是在第二个元素中没有取出任何东西。我现在正在使用lxml.objectify。

这基本上就是我在做什么：

root = objectify.fromstring(xml)
for customer in root.customers.iterchildren():
    for e in customer.govId.iterchildren():
        if not e.text:
            customer.govId.remove(e)

有没有人知道用lxml objectify做这个的方法还是有更简单的方法？如果它的所有元素都是空的，我还想完整地删除第二个“govId”元素。

Answer 1

首先，您的代码存在的问题是您正在迭代customers，但不会超过govIds。在第三行，您为每个客户选择 first govId，并迭代其子项。因此，您需要另一个for循环，以使代码按照您的意图运行。

问题末尾的这句小句话会使问题变得更加复杂：我还想删除第二个＆＃34; govId＆＃34;如果元素的所有元素都是空的，则为完整元素。

这意味着，除非您想要硬编码只检查一个级别的嵌套，否则您需要递归检查元素及其子元素是否为空。像这样举例如：

def recursively_empty(e):
   if e.text:
       return False
   return all((recursively_empty(c) for c in e.iterchildren()))

注意：由于使用all() builtin而导致Python 2.5+。

然后，您可以将代码更改为类似的内容，以删除文档中一直为空的所有元素。

# Walk over all elements in the tree and remove all
# nodes that are recursively empty
context = etree.iterwalk(root)
for action, elem in context:
    parent = elem.getparent()
    if recursively_empty(elem):
        parent.remove(elem)

示例输出：

<customer>
  <govId>
    <id>@</id>
    <idType>SSN</idType>
  </govId>
</customer>

您可能想要做的一件事是在递归函数中细化条件if e.text:。目前，这将考虑None并将空字符串视为空，但不考虑空格和换行符等空格。使用str.strip()，如果您定义为＆＃34;空＆＃34;。

编辑：正如@Dave指出的那样，使用generator expression可以改善递归函数：

return all((recursively_empty(c) for c in e.getchildren()))

这不会一次评估所有孩子的recursively_empty(c)，而是为每个孩子懒惰地评估它。由于all()将停止对第一个False元素的迭代，这可能意味着显着的性能提升。

编辑2 ：使用e.iterchildren()代替e.getchildren()可以进一步优化表达式。这适用于lxml etree API和objectify API。

Python lxml - 如何删除空重复的标记

1 个答案: