Question

例如，我有以下XML文件：在每个短语中，我总是有2个<en>标记，x属性是PERS，LOC或ORG。
我想要做的是获得所有<en>对，它们是ORG＆amp;仅限PERS

XML示例：

<PHRASE>
<N y='0'> back</N>
<en x='PERS'>John</en>
<PREP>to</PREP>
<en x='LOC'>New York</en>
</PHRASE>

我正在使用元素树，我试过了，但无论第二个“en”标签是什么，它都会检索任何PERS或ORG。我只想要PERS和ORG对（即：当它们出现在同一个短语中时）

for en in root.findall('./PHRASE/en'):
    NE = en.get('x')
    if(NE) == "ORG":
     print("ORG is: ",en.text)
    NE2=en.get('x')
    if(NE2) == "PERS":
        print("PER is:", en.text)

Answer 1

如果你想找到特殊的短语，你必须迭代短语并测试它们以满足条件：

for phrase in root.findall('./PHRASE'):
    ens = {en.get('x'): en.text for en in phrase.findall('en')}
    if 'ORG' in ens and 'PERS' in ens:
        print("ORG is: {}, PERS is: {}".format(ens["ORG"], ens["PERS"]))

Answer 2

您不必迭代所有短语。使用XPath的强大功能过滤掉PHRASE＆＃39; sx属性为en的第PERS个元素，以及第二个en＆＃39} sx属性为LOC：

root.xpath(".//PHRASE[en[1]/@x = 'PERS' and en[2]/@x = 'LOC']")

假设您使用的是lxml.etree。

在Python中获取XML属性？

2 个答案: