Question

我有一个xml文件如下

<Person>
<name>

 My Name

</name>
<Address>My Address</Address>
</Person>

标签有额外的新行，是否有任何快速的Pythonic方法来修剪它并生成一个新的xml。

我找到了这个，但它只修剪标签之间的值而不是值 https://skyl.org/log/post/skyl/2010/04/remove-insignificant-whitespace-from-xml-string-with-python/

更新1 - 处理以下xml，其中<name>代码中有尾部空格

<Person>
<name>

 My Name<shortname>My</short>

</name>
<Address>My Address</Address>
</Person>

两种xml的

以上的接受答案句柄

更新2 - 我在下面的回答中发布了我的版本，我使用它来删除所有类型的空格，并使用xml编码生成漂亮的xml文件

https://stackoverflow.com/a/19396130/973699

Answer 1

使用lxml，您可以迭代所有元素，并检查它是否包含strip()的文字：

from lxml import etree

tree = etree.parse('xmlfile')
root = tree.getroot()

for elem in root.iter('*'):
    if elem.text is not None:
        elem.text = elem.text.strip()

print(etree.tostring(root))

它产生：

<Person><name>My Name</name>
<Address>My Address</Address>
</Person>

更新以剥离tail文字：

from lxml import etree

tree = etree.parse('xmlfile')
root = tree.getroot()

for elem in root.iter('*'):
    if elem.text is not None:
        elem.text = elem.text.strip()
    if elem.tail is not None:
        elem.tail = elem.tail.strip()

print(etree.tostring(root, encoding="utf-8", xml_declaration=True))

Answer 2

Birei使用lxml给出的接受的答案完美地完成了这项工作，但我想修剪所有类型的白色/空白，空行并在xml文件中重新生成漂亮的xml。

以下代码做了我想要的事情

from lxml import etree

#discard strings which are entirely white spaces
myparser = etree.XMLParser(remove_blank_text=True)

root = etree.parse('xmlfile',myparser)

#from Birei's answer 
for elem in root.iter('*'):
    if elem.text is not None:
        elem.text = elem.text.strip()
    if elem.tail is not None:
        elem.tail = elem.tail.strip()

#write the xml file with pretty print and xml encoding
root.write('xmlfile', pretty_print=True, encoding="utf-8", xml_declaration=True)

Answer 3

您必须以这种或那种方式进行xml解析，因此可以使用xml.sax并在每个事件中复制到输出流（跳过ignorableWhitespace），并根据需要添加标记标记。请在此处查看示例代码http://www.knowthytools.com/2010/03/sax-parsing-with-python.html。

Answer 4

您可以使用beautifulsoup。遍历所有元素以及包含某些文本的每个元素，将其替换为其剥离版本：

from bs4 import BeautifulSoup

soup = BeautifulSoup(open('xmlfile', 'r'), 'xml')

for elem in soup.find_all():
    if elem.string is not None:
        elem.string = elem.string.strip()

print(soup)

假设xmlfile包含问题中提供的内容，则会产生：

<?xml version="1.0" encoding="utf-8"?>
<Person>
<name>My Name</name>
<Address>My Address</Address>
</Person>

Answer 5

我正在使用旧版本的Python（2.3），并且目前只能使用标准库。为了显示一个向后兼容的答案，我已经用xml.dom和xml.minidom函数编写了这个代码。

import codecs
from xml.dom import minidom

# Read in the file to a DOM data structure.
original_document = minidom.parse("original_document.xml")

# Open a UTF-8 encoded file, because it's fairly standard for XML.
stripped_file = codecs.open("stripped_document.xml", "w", encoding="utf8")

# Tell minidom to format the child text nodes without any extra whitespace.
original_document.writexml(stripped_file, indent="", addindent="", newl="")

stripped_file.close()

虽然不是BeautifulSoup，但此解决方案非常优雅，并使用了较低级API的全部功能。请注意，实际的格式只是一行：）

此处使用的API调用文档：

Python如何从xml文本节点中去除空格

5 个答案: