Question

您好:)这是我的第一个python程序，但是它不起作用。

我想做什么：

导入XML文件，仅从

<page id="Example">
<info>
<title>page 1</title>
</info>
<vector_file>Example.swf</vector_file>
</page>
(the text inside <vector_file>)

比将相关文件下载到网站（https://website.com/.../.../Example.swf）
将其重命名为1.swf（或第1.swf页）
并循环播放，直到到达页面末尾的最后一个文件（Exampleaa_idontknow.swf→231.swf）
转换所有pdf文件

我做了什么（但没用，因为AttributeError：'xml.etree.ElementTree.Element'对象没有属性'xpath'）：

import re
import urllib.request
import requests
import time
import requests
import lxml
import lxml.html
import os
from xml.etree import ElementTree as ET

DIR="C:/Users/mypath.../"
for filename in os.listdir(DIR):
    if filename.endswith(".xml"):
        with open(file=DIR+".xml",mode='r',encoding='utf-8') as file:
            _tree = ET.fromstring(text=file.read())
            _all_metadata_tags = _tree.xpath('.//vector_file')
            for i in _all_metadata_tags:
                print(i.text + '\n')

    else:
        print("skipping for filename")

Answer 1

首先，您需要确定要使用的模块。 lxml还是xml？仅导入其中之一。 lxml具有更多功能，但这是一个外部依赖性。 xml是更基本的，但它是内置的。这两个模块共享许多API，因此很容易混淆。检查您是否在寻找正确的文档。

对于您想要做的事情，内置模块已经足够了。但是，此处不支持.xpath()方法，is called .findall()是您在这里寻找的方法。

然后，您需要记住永远不要通过将XML文件打开为纯文本文件来解析XML文件，将其读入字符串并解析该字符串。这不仅浪费，而且从根本上来说是错误的事情。 XML解析器具有内置的自动编码检测功能。这种机制可确保您不必担心文件编码，但也必须使用。

这不仅更好，而且编写的代码更少：使用ET.parse()并传递文件名。

import os
from xml.etree import ElementTree as ET

DIR = r'C:\Users\mypath'

for filename in os.listdir(DIR):
    if not filename.lower().endswith(".xml"):
        print("skipping for filename")
        continue

    fullname = os.path.join(DIR, filename)
    tree = ET.parse(fullname)

    for vector_file in tree.findall('.//vector_file'):
        print(vector_file.text + '\n')

如果每个文件只希望有一个<vector_file>元素，或者只关心第一个这样的元素，请使用.find()而不是.findall()：

vector_file = tree.find('.//vector_file')

if vector_file is None:
    print('Nothing found')
else:
    print(vector_file.text + '\n')

从XML抓取特定文本

1 个答案: