Question

如何在Python 2.6中删除XML字符串中的空格和换行符？我尝试了以下软件包：

etree：此代码段保留原始空格：

xmlStr = '''<root>
    <head></head>
    <content></content>
</root>'''

xmlElement = xml.etree.ElementTree.XML(xmlStr)
xmlStr = xml.etree.ElementTree.tostring(xmlElement, 'UTF-8')
print xmlStr

我不能使用提供method参数的Python 2.7。

minidom：就是一样：

xmlDocument = xml.dom.minidom.parseString(xmlStr)
xmlStr = xmlDocument.toprettyxml(indent='', newl='', encoding='UTF-8')

Answer 1

最简单的解决方案可能是使用lxml，您可以在其中设置解析器选项以忽略元素之间的空白区域：

>>> from lxml import etree
>>> parser = etree.XMLParser(remove_blank_text=True)
>>> xml_str = '''<root>
>>>     <head></head>
>>>     <content></content>
>>> </root>'''
>>> elem = etree.XML(xml_str, parser=parser)
>>> print etree.tostring(elem)
<root><head/><content/></root>

这可能足以满足您的需求，但有些警告是安全的：

这将删除元素之间的空白节点，并尝试不删除具有混合内容的元素内的空白节点：

>>> elem = etree.XML('<p> spam <a>ham</a> <a>eggs</a></p>', parser=parser)
>>> print etree.tostring(elem)
<p> spam <a>ham</a> <a>eggs</a></p>

不会删除文本节点中的前导或尾随空格。但是，在某些情况下，它仍将从混合内容中删除空白节点：如果解析器尚未在该级别遇到非空白节点。

>>> elem = etree.XML('<p><a> ham</a> <a>eggs</a></p>', parser=parser)
>>> print etree.tostring(elem)
<p><a> ham</a><a>eggs</a></p>

如果您不想这样，可以使用xml:space="preserve"，这将得到尊重。另一种选择是使用dtd并使用etree.XMLParser(load_dtd=True)，其中解析器将使用dtd来确定哪些空白节点是重要的。

除此之外，您必须编写自己的代码来删除不需要的空格（迭代后代，并在适当的情况下，设置仅包含空格的.text和.tail属性None或空字符串）

Answer 2

我想出了一些快速的东西，因为我不想使用lxml：

from xml.dom import minidom
from xml.dom.minidom import Node

def remove_blanks(node):
    for x in node.childNodes:
        if x.nodeType == Node.TEXT_NODE:
            if x.nodeValue:
                x.nodeValue = x.nodeValue.strip()
        elif x.nodeType == Node.ELEMENT_NODE:
            remove_blanks(x)

xml = minidom.parse('file.xml')
remove_blanks(xml)
xml.normalize()
with file('file.xml', 'w') as result:
    result.write(xml.toprettyxml(indent = '  '))

我真的只需要用缩小的缩进来重新缩进XML文件。它不尊重preserve指令，但老实说，许多其他处理XML的软件也是如此，这是一个有趣的要求:)此外，你可以轻松地添加这种功能上面的代码（仅检查space属性，如果其值为“保留”，则不会恢复。）

Answer 3

空格在XML文档中很重要。使用空格进行缩进是对XML的一种不良使用，因为它引入了重要的数据，而实际上并没有 - 而且遗憾的是，这是常态。你用来剥离空白的任何程序化方法都充其量只是猜测 - 你需要更好地了解XML正在传达什么来正确删除空格，而不是踩到一些数据的脚趾。

Answer 4

唯一让我困扰xml.dom.minidom的toprettyxml（）的是它添加空行。我似乎没有得到拆分组件，所以我只写了一个简单的函数来删除空行：

#!/usr/bin/env python

import xml.dom.minidom

# toprettyxml() without the blank lines
def prettyPrint(x):
    for line in x.toprettyxml().split('\n'):
        if not line.strip() == '':
            print line

xml_string = "<monty>\n<example>something</example>\n<python>parrot</python>\n</monty>"

# parse XML
x = xml.dom.minidom.parseString(xml_string)

# clean
prettyPrint(x)

这就是代码输出的内容：

<?xml version="1.0" ?>
<monty>
        <example>something</example>
        <python>parrot</python>
</monty>

如果我单独使用toprettyxml（），即print（toprettyxml（x）），则会添加不必要的空行：

<?xml version="1.0" ?>
<monty>


        <example>something</example>


        <python>parrot</python>


</monty>

Answer 5

有点笨拙的解决方案没有lxml ： - ）

data = """<root>

    <head></head>    <content></content>

</root>"""

data3 = []
data2 = data.split('\n')
for x in data2:
    y = x.strip()
    if y: data3.append(y)
data4 = ''.join(data3)
data5 = data4.replace("  ","").replace("> <","><")

print data5

Output: <root><head></head><content></content></root>

Answer 6

如果“非叶子”节点中的空格是我们要删除的内容，则以下函数将执行此操作（如果指定则递归）：

from xml.dom import Node

def stripNode(node, recurse=False):
    nodesToRemove = []
    nodeToBeStripped = False

    for childNode in node.childNodes:
        # list empty text nodes (to remove if any should be)
        if (childNode.nodeType == Node.TEXT_NODE and childNode.nodeValue.strip() == ""):
            nodesToRemove.append(childNode)

        # only remove empty text nodes if not a leaf node (i.e. a child element exists)
        if childNode.nodeType == Node.ELEMENT_NODE:
            nodeToBeStripped = True

    # remove flagged text nodes
    if nodeToBeStripped:
        for childNode in nodesToRemove:
            node.removeChild(childNode)

    # recurse if specified
    if recurse:
        for childNode in node.childNodes:
            stripNode(childNode, True)

然而，Thanatos是正确的。空格可以用XML表示数据，因此请谨慎使用。

Answer 7

xmlStr = ' '.join(xmlStr.split()))

这会将所有文本放在一行中，用一个空格替换多个空格。

xmlStr = ''.join(xmlStr.split()))

这将删除包含文本内部空格的完整空间，并且无法使用。

对于您提供的输入，第一个表格可以与风险（但您要求）一起使用：

xmlStr = '''<root>
    <head></head>
    <content></content>
</root>'''
xmlStr = ' '.join(xmlStr.split())
print xmlStr
""" Output:
<root> <head></head> <content></content> </root>
"""

这将是有效的xml。它可能需要使用某种xml检查器进行检查。您是否确定要使用XML？你读过这篇文章了吗： Python Is Not Java

删除XML字符串中的空格

7 个答案: