Question

QExtremely业余程序员，寻求你的帮助。

我必须经常编辑看起来像这样的

的xml文件

    --- blah blah blah plenty xml stuff above ---
    <lex marker="mala" sentiment="negative"/>
    <lex marker="malas" sentiment="negative"/>
    <lex marker="maleducad\p{Ll}*" sentiment="negative" regex="true"/>
    <lex marker="mali\p{Ll}+sima\p{Ll}*" sentiment="negative" regex="true"/>
    <lex marker="mali\p{Ll}+simo\p{Ll}*" sentiment="negative" regex="true"/>
    --- blah blah blah plenty xml stuff below ---

使用相当复杂的正则表达式搜索和替换过程，我只能提取标记属性的值。（这就是我所关心的）。

但这很耗时，在Python中必须有一种非常简单的方法来查找属性marker =“SOME_TEXT”部分并将所有值放入数组中，然后打印出该数组（到文件中）。但我无法弄明白:(

我正在寻找一种不包括导入任何类型的XML库的方法，因为我希望尽可能保持简单（和逻辑），以便我的业余编程思想学习）并且我只对它感兴趣无论如何，在该特定属性的数据中，我不关心文件的其余部分（或者它的XML-ness）。

我只在python中问过，因为我认为这是一种我渴望进入的语言。但是如果你能想到一个Linux终端的方式（sed，awk e.t.c.）我也很乐意走这条路。

Answer 1

将XML与正则表达式匹配变得太复杂，太快。你真的是should not do that。

使用XML解析器，Python有几个可供选择：

ElementTree是标准库的一部分
lxml是一个快速且功能丰富的基于C的库。

ElementTree示例：

from xml.etree import ElementTree

tree = ElementTree.parse('filename.xml')
for elem in tree.findall('lex'):
    print elem.attrib['marker']

从xml中提取值

1 个答案: