Question

我是Python和XML的新手，并尝试解析下面的文件以提取多个元素。问题是某些元素是空的（例如客户xyz1没有任何地址信息）。

<script type="text/javascript">

$( document ).ready(function() {
    $('#twit-follow-count').html('<?php echo $followers_count; ?>');
});

</script>

我循环遍历以下元素（Id_Customer，Segment，Extrainfo，zipcode，street）以构建一个列表，然后我将导出到.csv文件。

我的代码生成以下输出：[xyz1，abc1，info2，zzwy，c2 ..]虽然我希望找不到的元素在列表中输入为“空”，以便我的列表包含：[xyz1 ，abc1，info2，空，空，zzwy，c2 ..]

以下是我的代码示例：

<CAT>
  <Header>...</Header>
  <Add>...</Add>
  <Customer>
    <Id_Customer>xyz1</Id_Customer>
    <Segment>abc1</Segment>
    <Event>
      <Nature>info1</Nature>
      <Extrainfo>info2</Extrainfo>
    </Event>
</Customer>
<Customer>
    <Id_Customer>zzwy</Id_Customer>
    <Segment>c2</Segment>
    <Adress>
       <zipcode>77098</zipcode>
       <street>belaire drive</street>
       <number>5</number>
    </Adress>
</Customer>
<Customer>...</Customer>
</CAT>

我非常感谢一些帮助。（我只能使用标准的python库。）

Answer 1

查看xml.etree（https://docs.python.org/3.6/library/xml.etree.elementtree.html）的方法 findtext ，默认值。

我想以下内容可能有效（未经测试），每个客户都在一个单独的列表中（如csv文件中的行），然后插入到一般的list_prn列表中。当然，在构建csv文件时，您必须遍历列表。

如果您真的想要一个列表中的所有元素值，您可以跳过创建cust列表并将值直接插入list_prn。

这一切都表明客户的所有子元素都只存在一次。

from xml.etree import ElementTree
import csv

list_prm = []

tree = ElementTree.parse('file.xml')
root = tree.getroot()

for elem in tree.iter('Customer'):
    # only the first customer_id
    customer_id = elem.find('Id_Customer')
    if customer_id is not None:
        # Create a separate list for each Customer,
        # only if there's Customer Id, skip creation otherwise
        cust = []

        cust.append(customer_id.text())
        cust.append(elem.findtext('Segment', default='empty'))
        cust.append(elem.findtext('Extrainfo', default='empty'))
        cust.append(elem.findtext('Address/street', default='empty'))
        cust.append(elem.findtext('Address/zipcode', default='empty'))

        list_prm.append(cust)


print(list_prm)

Answer 2

您的主要问题是，您实际上只是将数据从XML中提取到CSV中，而其状态与您发现的几乎相同。您所指的“空”元素不为空，它们不存在于XML中。

我可以考虑使用两种方法来改善这项工作。第一种方法是更改XML，使每个<Customer>元素包含相同顺序的所有元素，即使元素完全为空。换句话说，您的XML可能如下所示：

<Customer>
    <Id_Customer>xyz1</Id_Customer>
    <Segment>abc1</Segment>
    <Event>
      <Nature>info1</Nature>
      <Extrainfo>info2</Extrainfo>
    </Event>
    <Adress>
       <zipcode></zipcode>
       <street></street>
       <number></number>
    </Adress>
</Customer>
<Customer>
    <Id_Customer>zzwy</Id_Customer>
    <Segment>c2</Segment>
    <Event>
      <Nature></Nature>
      <Extrainfo></Extrainfo>
    </Event>
    <Adress>
       <zipcode>77098</zipcode>
       <street>belaire drive</street>
       <number>5</number>
    </Adress>
</Customer>

如果你想要，你可以在你的Python代码中添加一个条件，将空字符串（""）替换为单词“empty”，因为你表明这是你想说的。

另一种方法会产生更复杂的Python代码，但老实说可能是更好的方法。那就是使用类或字典对数据进行排序：每个<Customer>标记一个字典或对象。你正在做什么我会说创建一个类可能有点矫枉过正，所以dict就足够了。（使用defaultdict而不是普通的dict可以让你在没有找到值时自动提供“empty”这个词，所以我会调查一下。）

基本上程序的流程如下：

创建一个空列表来存储你的dicts。 customers = []
循环遍历XML树中的<Customer>元素。对于每个客户：
1. 创建一个新的dict并将其添加到列表中。 customer={}或customer=defaultdict("empty")，然后是customers.append(customer)
2. 遍历该元素的子元素，并为每个元素用它的信息填充dict。像customer[elem.tag]=elem.text这样的东西可能就是你要找的东西。
创建一个列表，列出要从中抓取的所有dict键，其顺序与CSV中的标题相同。例如keys=["Id_Customer", "Segment", etc...]
循环浏览您在步骤1和2中创建的列表。 for customer in customers:对于每次迭代：
1. 循环浏览您在步骤3中创建的列表。 for key in keys:
2. 对于每个键，从dict获取相应的值，并将该值添加到CSV输出中。假设你有一个名为“csv”的打开文件对象，这样的东西就可以工作：csv.write(customer[key])（当然你也要在这一点上把逗号写入文件，除非它是最后一次迭代keys循环，然后编写换行符。您可以使用key == keys[-1]）

Python - 解析XML - 空元素的问题

2 个答案: