Question

根据this thread，我使用xml.dom.minidom进行一些非常基本的XML遍历，只读。

让我感到困惑的是，为什么getElementsByTagName正在寻找多个层次结构级别的节点，而没有明确地为它提供精确的路径。

XML：

<data>
    <items>
        <item name="item1"></item>
        <item name="item2"></item>
        <item name="item3"></item>
        <item name="item4"></item>
    </items>
    <secondSetOfItems>
        <item name="item5"></item>
        <item name="item6"></item>
        <item name="item7"></item>
        <item name="item8"></item>
    </secondSetOfItems>
</data>

Python代码：

xmldoc = minidom.parse('sampleXML.xml')
items = xmldoc.getElementsByTagName('item') 

for item in items:
    print item.attributes['name'].value

打印：

item1
item2
item3
item4
item5
item6
item7
item8

让我感到困扰的是，它隐含地在item和data->items下找到了名为data->secondSetOfItems的标签。

如何使其遵循显式路径并仅提取两个类别之一的项目？例如。在data->secondSetOfItems下：

item5
item6
item7
item8

Answer 1

如果您想从特定类别中获取项目，可以先抓住父元素来实现。

例如：

<强>代码：

xmldoc = minidom.parse('sampleXML.xml')
#Grab the first occurence of the "secondSetOfItems" element
second_items = xmldoc.getElementsByTagName("secondSetOfItems")[0]
item_list = second_items.getElementsByTagName("item")

for item in item_list:
    print item.attributes['name'].value

<强>输出：

item5
item6
item7
item8

Answer 2

这是getElementsByTagName

的声明行为

搜索具有特定元素类型名称的所有后代（直接孩子，孩子的孩子等）。

有人写了一个“过滤器”，请参阅this answer

在我看来minidom太简单了，考虑使用lxml xpath：

tree.xpath('//secondSetOfItems/item/@name')

或BeautifulSoup findAll：

data.secondSetOfItems.item.findAll('name')

使用Python中的minidom查找XML元素的特定路径

2 个答案: