如何通过模板解析XML？

Question

背景：

我有大型XML文件（5-20​​ GB），包含一个标题记录，然后是一系列具有相同标记（但内容不同）的记录：

<header>
(...)
</header>
<host>
  <tagA>hello</tagA>
  <tagB name="world"></tagB>
  <tagC>bonjour</tagC>
</host>
<host>
  (...)
</host>
(...)

• 当<host>中的标记存在时，它始终具有相同的结构。
• 我只对某些标签内容（例如来自hello的{​​{1}}）和某些标签的参数感兴趣（例如来自<tagA> world的{​​{1}} }）。我丢弃了其他标签和内容。

我今天如何处理文件：

我阅读了输入文件，逐一提取name和<tagB>之间的片段（包括这些边界标记）并使用BeautifulSoup进行分析。这很好用，我得到了我需要的元素。

我想做什么：

但我更喜欢使用分析的<host>条目（某种模式）的描述，并说明我感兴趣的元素。

我找到了很多反向练习的例子（如何基于模板创建XML文件），但没有找到基于模式的分析。这种方法可用吗？

Answer 1

我将如何解决问题：

• 使用xml.etree.ElementTree来解析片段，因为它们是正确的XML。
• Use XPath描述并稍后提取特定节点。作为字符串的XPath很容易存储在不可执行的配置存储中。

它并不完全是“基于模板的”，但绝对比原始Python代码更具说明性和简洁性。