Question

所以我使用Python 3.2.1的cElementTree解析一些XML文件，在解析过程中我注意到有些标签缺少属性信息。我想知道是否有任何简单的方法来获取xml文件中这些元素的行号。

Answer 1

查看文档，我认为无法使用cElementTree执行此操作。

然而，我对lxml版本的XML实现感到满意。使用libxml2它应该几乎是替代品。元素具有sourceline属性。（以及获得许多其他XML功能）。

唯一需要注意的是我只在python 2.x中使用它 - 不确定它是如何/如果它在3.x下工作 - 但可能值得一看。

附录：从他们的头版他们说：

lxml XML工具包是C库libxml2的Pythonic绑定和libxslt。它的独特之处在于它结合了速度和XML 这些库的完整性具有简单性原生Python API，大多兼容但优于众所周知的 ElementTree API。最新版本适用于所有CPython版本从2.3到3.2。有关详细信息，请参阅简介 lxml项目的背景和目标。一些常见的问题是在FAQ中回答。

所以看起来python 3.x还可以。

Answer 2

花了一段时间让我弄清楚如何使用Python 3.x（在这里使用3.3.2）这样做，所以我想总结一下：

# Force python XML parser not faster C accelerators
# because we can't hook the C implementation
sys.modules['_elementtree'] = None
import xml.etree.ElementTree as ET

class LineNumberingParser(ET.XMLParser):
    def _start_list(self, *args, **kwargs):
        # Here we assume the default XML parser which is expat
        # and copy its element position attributes into output Elements
        element = super(self.__class__, self)._start_list(*args, **kwargs)
        element._start_line_number = self.parser.CurrentLineNumber
        element._start_column_number = self.parser.CurrentColumnNumber
        element._start_byte_index = self.parser.CurrentByteIndex
        return element

    def _end(self, *args, **kwargs):
        element = super(self.__class__, self)._end(*args, **kwargs)
        element._end_line_number = self.parser.CurrentLineNumber
        element._end_column_number = self.parser.CurrentColumnNumber
        element._end_byte_index = self.parser.CurrentByteIndex
        return element

tree = ET.parse(filename, parser=LineNumberingParser())

Answer 3

我通过继承ElementTree.XMLTreeBuilder在elementtree中完成了这个。然后，我可以访问self._parser（Expat），它具有属性_parser.CurrentLineNumber和_parser.CurrentColumnNumber。

http://docs.python.org/py3k/library/pyexpat.html?highlight=xml.parser#xmlparser-objects包含有关这些属性的详细信息

在解析过程中，您可以打印出信息，或将这些值放入输出XML元素属性中。

如果您的XML文件包含其他XML文件，则必须执行一些我不记得的内容，并且没有详细记录以跟踪当前的XML文件。

Answer 4

这样做的一种（hackish）方法是在解析之前插入一个将行号保存到每个元素中的虚拟属性。以下是我用minidom做到这一点的方法：

python reporting line/column of origin of XML node

这可以简单地调整为cElementTree（或实际上任何其他python XML解析器）。

有没有办法从ElementTree元素获取行号

4 个答案: