Question

我正在尝试使用xml.etree模块复制BeautifulSoup的find_all功能。由于某些原因，我们不允许使用bs4软件包，因此“美丽汤”不适合您。有什么方法可以搜索特定标签，然后存储标签的每一行直到结束？

<data>
    <country name="Liechtenstein">
        <rank>1</rank>
        <year>2008</year>
        <gdppc>141100</gdppc>
        <neighbor name="Austria" direction="E"/>
        <neighbor name="Switzerland" direction="W"/>
    </country>
    <State name="Singapore"><State name="Singapore">
        <rank>4</rank>
        <year>2011</year>
        <gdppc>59900</gdppc>
        <neighbor name="Malaysia" direction="N"/>
    </State>

我需要类似的东西，在列表中获取State标签的详细信息。

[<State name="Singapore">,<rank>4</rank>,.....,'</state>']

不幸的是，当我尝试遍历XML文件时，它为我提供了确切内容的对象。 .attrib为我返回一个字典。

Answer 1

为什么不使用xmlToDict并遍历键？如果您只想使用常规字典，则可以在OrderedDict（like so）上使用json.dumps，但这是一个示例，假定您要保留顺序。

这是假设您通过删除重复的<State>标签并使用结束的</Data>标签来修复XML。

import xmltodict
from collections import OrderedDict

def listRecursive(d, key):
    for k, v in d.items():
        if isinstance(v, OrderedDict):
            for found in listRecursive(v, key):
                yield found
        if k == key:
            yield v

with open('PATH\\TO\\xmlFile.xml') as fd:
    xmlDict = xmltodict.parse(fd.read())

states = []
for result in listRecursive(xmlDict, 'State'):
    states.append(result)
states = states[0]

这是结果的pprint，假设您在新加坡之后添加了一个名为NewState的州

[OrderedDict([('@name', 'Singapore'),
              ('rank', '4'),
              ('year', '2011'),
              ('gdppc', '59900'),
              ('neighbor',
               OrderedDict([('@name', 'Malaysia'), ('@direction', 'N')]))]),
 OrderedDict([('@name', 'NewState'),
              ('rank', '7'),
              ('year', '2020'),
              ('gdppc', '99999'),
              ('neighbor',
               [OrderedDict([('@name', 'Unknown1'), ('@direction', 'S')]),
                OrderedDict([('@name', 'Unknown2'), ('@direction', 'N')])])])]

有没有办法在python的列表中存储xml子标签？

1 个答案: