Question

我需要解析一个xml文件来提取一些数据。我只需要一些具有某些属性的元素，这是一个文档示例：

<root>
    <articles>
        <article type="news">
             <content>some text</content>
        </article>
        <article type="info">
             <content>some text</content>
        </article>
        <article type="news">
             <content>some text</content>
        </article>
    </articles>
</root>

这里我只想获得“新闻”类型的文章。用lxml做最有效和最优雅的方法是什么？

我尝试使用find方法，但它不是很好：

from lxml import etree
f = etree.parse("myfile")
root = f.getroot()
articles = root.getchildren()[0]
article_list = articles.findall('article')
for article in article_list:
    if "type" in article.keys():
        if article.attrib['type'] == 'news':
            content = article.find('content')
            content = content.text

Answer 1

您可以使用xpath，例如root.xpath("//article[@type='news']")

此xpath表达式将返回具有值“news”的“type”属性的所有<article/>元素的列表。然后，您可以迭代它以执行您想要的操作，或者将其传递到任何地方。

要获得文本内容，您可以像这样扩展xpath：

root = etree.fromstring("""
<root>
    <articles>
        <article type="news">
             <content>some text</content>
        </article>
        <article type="info">
             <content>some text</content>
        </article>
        <article type="news">
             <content>some text</content>
        </article>
    </articles>
</root>
""")

print root.xpath("//article[@type='news']/content/text()")

，这将输出['some text', 'some text']。或者，如果您只想要内容元素，那么它将是"//article[@type='news']/content" - 依此类推。

Answer 2

仅供参考，您可以使用findall获得相同的结果：

root = etree.fromstring("""
<root>
    <articles>
        <article type="news">
             <content>some text</content>
        </article>
        <article type="info">
             <content>some text</content>
        </article>
        <article type="news">
             <content>some text</content>
        </article>
    </articles>
</root>
""")

articles = root.find("articles")
article_list = articles.findall("article[@type='news']/content")
for a in article_list:
    print a.text

使用lxml按属性查找元素

2 个答案: