Question

上周我发布了一个关于需要从xml中提取一些条目的问题。我试图以相当手动的方式进行，并建议使用xml解析器。我一直在尝试使用lxml，但我无法掌握它（我刚开始学习python）。

下面是XML结构的一个例子（'ProgramInformation'会有很多分支）

<TVAMain xml:lang="NL" publisher="" publicationTime="2013-09-12T01:43:09+00:00" version="217" xmlns="urn:tva:metadata:2010" xmlns:mpeg7="urn:tva:mpeg7:2008" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="urn:tva:metadata:2010>
  <ProgramDescription>
    <ProgramInformationTable>
        <ProgramInformation programId="crid://bds.tv/95291775">
            <BasicDescription>
                <Title xml:lang="EN" type="main">Rip Off Britain</Title>
                <Synopsis xml:lang="EN" length="short">Consumer series. The team investigates why some viewers have been hit with bills they did not expect for hundreds or even thousands of pounds, and offers some advice.</Synopsis>
                <Keyword xml:lang="EN" type="main">bills</Keyword>
                <Genre href="urn:tva:metadata:cs:UPCEventGenreCS:2009:82">
                     <Name xml:lang="EN">Economics</Name>
                </Genre>
                <Language>EN</Language>
            </BasicDescription>
        </ProgramInformation>
    </ProgramInformationTable>
  </ProgramDescription>
</TVAMain>

我可以检索'crid'和'title'：

tree = etree.parse('UPC_Medium.xml')
root = tree.getroot()

print (root[0][0][0].attrib)
print (root[0][0][0][0][0].text)

这两个项目将始终位于每个分支下的相同位置（因此理论上我可以以相当粗略的方式检索它们）。我还需要检索该类型，并且可能会移动（因为它之前会有可变数量的'关键字'条目）。

我认为关键是XPATH，但我不明白如何实现它（我在这里看了很多例子）。

有人可以帮助我实现以下目标：

1）实现XPATH以检索并将'crid'，title和genre存储到单独的变量中（我将写入外部文件 - 所有这三个都需要一起编写）

2）遍历每个分支以取出上述内容 - 将有数千个条目。

提前致谢！

Answer 1

请尝试以下操作：

nsmap = {'xmlns': 'urn:tva:metadata:2010'}

for info in root.xpath('//xmlns:ProgramInformation', namespaces=nsmap):
    print info.get('programId') # retrieve crid
    print info.find('.//xmlns:Title', namespaces=nsmap).text # retrieve title
    print info.find('.//xmlns:Genre/xmlns:Name', namespaces=nsmap).text # retrieve genre

在特定的XML示例中需要帮助理解XPATH

1 个答案: