Question

我正在尝试对xml文件进行可变性研究。示例伪代码如下所示。

<data>
<country name="Liechtenstein">
    <rank updated="yes">2</rank>
    <currency>1.21$/kg</currency> 
    <gdppc>141100</gdppc>
    <neighbor name="Austria" direction="E"/>
    <neighbor name="Switzerland" direction="W"/>
</country>
<country name="Singapore">
    <rank updated="yes">5</rank>
    <currency>4.1$/kg</currency> 
    <gdppc>59900</gdppc>
    <neighbor name="Malaysia" direction="N"/>
</country>

我想动态地改变（比如乘以1.5）xml中的每个文本，这些文本都是数值，例如大于2＆LT;或>＆gt; 141100＆lt;或者不是> 1.21 $ / kg＆lt;或＆gt;＆gt; 4.1 $ / kg＆lt;＆lt ;.我需要将每个文本变体保存为不同的xml文件（例如，当我将列支敦士登的排名更改为3时，将xml文件另存为LiechtensteinRank1.5。）

我的目标是转换每个文本输入并保存每个更改的所有版本，然后再批量运行xml文件。 xml是相对较深的嵌套200,000行和最多10个不同的子节点。

我只能提取如下文字。

import xml.etree.ElementTree as ET
tree = ET.parse("Ywepr.xml")
root = tree.getroot()
for text in root.itertext():
    print repr(text)   
charlie = file.writelines(root.itertext())

欢迎所有建议。感谢

Answer 1

在我看来，你需要对树进行遍历才能做到这一点。原因是您需要实际更新XML元素的文本，以使输出正确。

要遍历etree的节点，您需要使用Element.getchildren（）。这将返回此元素的所有子元素的列表。因为英文描述非常粗糙，所以我只想启动代码。

def traversal(elem):
    text = elem.text
    # do work here

    for node in elem.getchildren():
        traversal(node)

这是树遍历的一种非常经典的递归解决方案，您可以逐节点地进行工作并访问所有子节点。最终，你最终都会访问它们。请注意，此解决方案要求您的XML数据适合内存，但似乎您已经加载了它，因此您应该在这里保持良好状态。

我还应该触摸你需要做什么来进行文本匹配。如果您的条件像“所有数字”一样简单，我建议使用正则表达式。以下应该足以让你开始，我希望。

import re
digitsRegex = re.compile(r'\d+$')
digitsRegex.match('12345')

在创建XML文件的不同版本时，仅编辑和更新XML文件中的数字文本

1 个答案: