Question

我对Python还是很陌生，并且正在尝试使用元素树从包含大量研究论文的元数据的XML文件中提取多个字段。虽然我能够使用两种不同的方法（元素树和XPath-如下所示）分别获得我想要的字段，但我需要的是一种将它们组合为一段代码的方法，该代码将返回所有我的商品ID和相应的资助信息文章。

更新：

该示例的期望输出为： “ 20.2019 / ABC-2019-0111，这项工作得到了美国国立卫生研究院的支持。

理想情况下，每篇文章的数据都将由一个特殊字符分隔，我可以使用该字符来分隔Excel中的结果。

我以前没有使用过lxml，但是很高兴尝试最有效的方法。

XML示例：

<root>
  <article>
    <front>
     <article-meta>
      <article-id pub-id-type="publisher-id">ABC-2019-0111</article-id>
      <article-id pub-id-type="doi">20.2019/ABC-2019-0111</article-id>
       <article-categories>
        <subj-group subj-group-type="heading">
        <subject>Science</subject>
        </subj-group>
       </article-categories> 
     </article-meta> 
      <body>
        <back>
          <sec id="sec7" sec-type="funding">
            <title>Funding</title>
            <p>This work was supported by the NIH</p>
          </sec>
        </back>
      </body>
    </front>
  </article>
</root>


to get article IDs:
for elem in tree.iter(tag='article-id'): print(elem.text)

to get funding info:
doc = ET.parse('articles.xml')
print([p.text for p in doc.findall('.//sec[@sec-type="funding"]/p')])

使用元素树和XPath查找多个XML元素

0 个答案: