Question

我正在使用xml.etree来解析一些我需要用Python导入数据库的巨大XML文件，但出于某种原因，我无法弄清楚如何提取特定的标签基于不同标签的属性

例如，在下面包含的这段XML中，我需要提取NicamWarningCS标记下的标记文本，并将它们放在一个列表中。有关如何实现这一目标的任何建议？

git checkout myBranch
git tag temp
git reset --hard HEAD~2
git merge --no-commit master^
rm -rf *
git checkout temp^ -- .
git add .
git commit -m"new commit message for D"
git merge --no-commit master
rm -rf *
git checkout temp -- .
git add .
git commit -m"commit message for F"

Answer 1

以下是我要做的详细程序：

import xml.etree.ElementTree as ET

# 1. Parse your xml file
tree = ET.parse('your.xml')

# 2. Get the root
root = tree.getroot()

# 3. Set the tag and attribute you are looking for
ns = 'urn:tva:metadata:2004'
matchTag = 'NicamWarningCS'

# 4. retrieve all Genres
genres = root.find('{%s}ProgramDescription' % ns) \
    .find('{%s}ProgramInformationTable' % ns) \
    .find('{%s}ProgramInformation' % ns) \
    .find('{%s}BasicDescription' % ns) \
    .findall('{%s}Genre' % ns)

# 5. filter them in order to get just the Names of the ones that match your matchTag : 'NicamWarningCS'
filteredGenreNames = [genre.find('{%s}Name' % ns) for genre in genres if matchTag in genre.get('href')]

# 6. extract the text of the tags
data = [t.text for t in filteredGenreNames]

print(data)
# ['Grof taalgebruik', 'Geweld']

Answer 2

只需获取所有Genre个元素，然后过滤那些您感兴趣的href属性的元素：

ns = 'urn:tva:metadata:2004'
all_genres = fromstring(xml) \
    .find('{%s}ProgramDescription' % ns) \
    .find('{%s}ProgramInformationTable' % ns) \
    .find('{%s}ProgramInformation' % ns) \
    .find('{%s}BasicDescription' % ns) \
    .findall('{%s}Genre' % ns)
some_genres = [g for g in all_genres if 'NicamWarningCS' in g.get('href')]

Answer 3

我无法快速启动并运行Erik的答案，但它向我暗示了一个能够解决我问题的不同解决方案。

通过创建包含所有类型的dict，我能够过滤掉所有Nicam警告并将它们添加到一个列表中，然后我可以用它来填充我的SQL语句：

.open

它可能不是最好的解决方案，但现在这样做。

根据不同标记的属性提取XML标记数据

3 个答案: