Question

我正在尝试使用cElementTree.iterparse解析xml文件。但是，我无法理解发生了什么，因为iterparse返回空元素。我有一个xml文件具有以下近似布局：

<DOCS>
  <ID id="1">
    <HEAD>title1</HEAD>
    <DATE>21.01.2010</DATE>
    <TEXT>
      <P>some text</P>
      <P>some text</P>
      <P>some text</P>
    </TEXT>
  </ID>

  <ID id="2">
    <HEAD>title2</HEAD>
    <DATE>21.01.2010</DATE>
    <TEXT>
      some text
    </TEXT>
  </ID>
</DATA>

我正在尝试从TEXT代码中提取文字，或者遍历TEXT代码子代（P代码），并从中提取文字。

这是我的代码：

import xml.etree.cElementTree as cet

docs = {}
id = ''
for event, elem in cet.iterparse(xml_data, events=('end',)):
    if elem.tag == 'ID':
        id = elem.attrib['id']
    if elem.tag == 'TEXT':
        if list(elem):
            docs[id] = ''.join([p.text for p in elem])
        else:
            docs[id] = elem.text
#print(docs)
return docs

当我执行我的代码时，我得到：

    docs[id] = ''.join([p.text for p in elem])
TypeError: sequence item 14: expected str instance, NoneType found

这意味着列表理解p中的[p.text for p in elem]之一是None。好的，我使用print语句知道哪个是以前的p文本，看看xml文件标签是否有问题。好吧，实际上没有任何文本的p元素应该拥有它，因为它在xml文件中有一个文本正文。有人可以解释发生了什么吗？

Answer 1

忘记if event == 'end':检查的愚蠢错误。

所以，发生的事情是只有当event == 'end'我们有一个完全填充的elem对象时。

为什么cElementTree iterparse返回无元素？

1 个答案: