Question

我有一个凌乱的XML文件，并希望通过以下方式对其进行标准化：

将所有标记名称转换为小写。例如，将<ROW>，<Year>转换为<row>和<year>
删除空行，例如<ROW>之后和</ROW>标记之前的空格。

我可以通过调用：{/ p>在BeautifulSoup中执行此操作

soup = BeautifulSoup(xml_str_update, "lxml")

但是，一旦文件大于特定大小，BeautifulSoup就会开始抱怨......

Exception MemoryError: MemoryError() in 'lxml.etree._BaseErrorLog._receive' ignored

所以，我想知道是否可以使用其他库来完成。提前谢谢！

我的xml文件示例：

xml_str = """
<DATA>

    <ROW>
        <assmtid>1</assmtid>
        <Year>1988</Year>
    </ROW>

    <ROW>
        <assmtid>2</assmtid>
        <Year>1989</Year>
    </ROW>

    <ROW>
        <assmtid>2</assmtid>
        <Year>1990</Year>
    </ROW>

</DATA>
"""

Answer 1

XSLT是你的朋友。您已经描述了两个转换规则：

将所有标记名称转换为小写。例如，将<ROW>，<Year>转换为<row>和<year>

这＆＃39; S：

<xsl:template match="*">
  <xsl:element name="{lower-case(name())}">
    <xsl:copy-of select="@*"/>
    <xsl:apply-templates/>
  </xsl:element>
</xsl:template>

在<ROW>之后和</ROW>标记之前删除空行，例如空格。

那只是

<xsl:strip-space elements="ROW"/>

（或者你可以扩展你想要应用的元素列表：elements="*"将从所有元素中删除仅空白文本节点。）

如果您的文档超过几百Mb，那么它将受益于流式传输，这可以在几个XSLT 3.0处理器中使用 - Saxon-EE和Exselt。

xml / parse：将所有标记名称转换为小写并删除空行

我的xml文件示例：

1 个答案: