Question

我想从我生成的pmml文件中删除一些节点。所以我尝试在python中使用xml解析器：

from xml.etree.ElementTree import ElementTree
tree = ElementTree()
tree.parse('treedemo.pmml')
for inter in tree.findall('DataDictionary'):
    print(inter)

事实证明，打印输出没有，这意味着xml解析器不起作用。 pmml文件是here。假设我要删除

<Interval closure="closedClosed" leftMargin="21.0" rightMargin="46.0"/>

来自

<DataField name="fk_057_nearcontact_auth_expire_time" optype="continuous" dataType="float">
    <Interval closure="closedClosed" leftMargin="21.0" rightMargin="46.0"/>
</DataField>

可以通过python编辑和修改pmml文件吗？

Answer 1

您应该了解一种名为XSL Transformations（XSLT）的现有技术，而不是开发自定义XML操作代码。

简而言之，您需要创建一个XSL文档，该文档指定XML操作操作。然后，您可以使用命令行XSLT工具将此XSL文档应用于一个或多个XML文档（包括PMML文档）。例如，在GNU / Linux系统上，您可以使用xsltproc工具。

用于删除Interval元素的XSL文档：

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" xmlns:pmml="http://www.dmg.org/PMML-4_2">
    <!-- By default, copy all -->
    <xsl:template match="node()|@*">
        <xsl:copy>
            <xsl:apply-templates select="node()|@*"/>
        </xsl:copy>
    </xsl:template>
    <!-- However, in case of the PMML Interval element, take no (copy-) action -->
    <xsl:template match="pmml:Interval"/>
</xsl:stylesheet>

确保配置pmml命名空间前缀的值以匹配PMML文档的值。以上示例适用于PMML架构版本4.2文档。

然后，将样式表应用于PMML文件（命令语法xsltproc <XSL file> <PMML file(s)>）：

$ xsltproc --output test-mod.pmml test.xsl test.pmml

Answer 2

通常，使用pmml文件是有风险的，只是要小心。

您可以使用BeautifulSoup。对于您的特定目标，标签“时间间隔”仅显示一次，因此您只需一步即可找到该标签，然后将其提取：

# import BeautifulSoup
from bs4 import BeautifulSoup
# open and read the file
inf = open(r'treedemo.xml', 'r')
txt = inf.read()
inf.close()
# prepare the soup
soup = BeautifulSoup(txt, 'xml')
# now find the tag you want to remove, in this case it's easy, since the tag 'Interval' is unique across your pmml file:
interval = soup.find('Interval')
# remove the tag
interval.extract()
# write the updated pmml file
with open(r'treedemo_clean.xml', "w") as outf:
    outf.write(str(soup))

除非您使用outf.write（str（soup.prettify（））），否则输出将没有缩进
我不建议使用美化。可能会弄乱pmml
如果标签不是唯一的，那么您必须仔细查找它，以避免删除错误的标签并破坏您的pmml。
您要删除的字段没有问题。它显示了训练数据集中的统计信息。您可以将标志设置为with_statistics = False

如何使用xml解析器编辑pmml模型文件

2 个答案: