Question

我正在尝试使用Python 2.7.6中的lxml 4.1.1读取，修改和编写XML文件。

我的代码：

import lxml.etree as et

fn_xml_in = 'in.xml'
parser = et.XMLParser(remove_blank_text=True)
xml_doc = et.parse(fn_xml_in, parser)
xml_doc.getroot().find('b').append(et.Element('c'))
xml_doc.write('out.xml', method='html', pretty_print=True)

输入文件in.xml如下所示：

<a>
    <b/>
</a>

生成的输出文件out.xml：

<a>
    <b><c></c></b>
</a>

或者当我设置remove_blank_text=True时：

<a><b><c></c></b></a>

我原本期望lxml在b元素中插入换行符和缩进词：

<a>
    <b>
        <c></c>
    </b>
</a>

我怎样才能做到这一点？

我尝试了一些tidy lib包装器，但它们似乎专注于HTML而不是XML。

我还尝试将换行符添加为b＆＃39; tail，但即使缩进也被破坏了。

修改：我需要c元素在开始和结束标记中保持分开：<c></c>。这就是我在示例中使用method='HTML'的原因。

Answer 1

写入时使用“xml”输出方法（这是默认值，因此不必明确指定）。

将text元素的c属性设置为空字符串，以确保元素序列化为<c></c>。

代码：

import lxml.etree as et

parser = et.XMLParser(remove_blank_text=True)
xml_doc = et.parse('in.xml', parser)

b = xml_doc.getroot().find('b')
c = et.Element('c')
c.text=''
b.append(c)

xml_doc.write('out.xml', pretty_print=True)

结果（out.xml）：

<a>
  <b>
    <c></c>
  </b>
</a>

Answer 2

感谢mzjn的评论，我找到了一个有效但不优雅的解决方案。由于我需要在HTML语法中保留空元素，因此仅使用method='XML'并不令人满意。

将文档格式化两次会产生所需的结果：

import lxml.etree as et

parser = et.XMLParser(remove_blank_text=True)
xml_doc = et.parse('in.xml', parser)
xml_doc.getroot().find('b').append(et.Element('c'))
xml_doc.write('out.xml', pretty_print=True)

parser = et.XMLParser(remove_blank_text=False)
xml_doc = et.parse('out.xml', parser)
xml_doc.write('out.xml', pretty_print=True, method='HTML')

结果：

<a>
  <b>
    <c></c>
  </b>
</a>

不优雅，但工作。

Python lxml

2 个答案: