python – 使用lxml解析奇怪的结构化XML

我有许多需要解析的XML文件.我写了一些有用的代码,但很难看,我想从比我更有经验的人那里得到一些建议.

首先,我可能在错误的上下文中使用了一些术语,因为我对XML的经验是有限的.按元素,除非另有说明,我的意思是这样的：

 <root>  <element>   ...  </element>  <element>   ...  </element> </root>  

无论如何,每个文件都包含许多元素,其中包含许多子元素(显然).让我感到困惑的是,需要以四种不同的方式获取相关的价值观;

1)节点文本：

<tag>value</tag>

2)属性：

<tag attribute="value"></tag>

3)标签内“隐藏”的值(在这种情况下为“true”)：

<tag><boolean.true/></tag>

4)同名标签内的值(“tagA”),但具有不同名称的“祖父母”标签(“tag1”和“tag2”),都在同一元素内. “tagA”对我没用,相反我会寻找“tag1”和“tag2”.

<element>   <tag1><tagA>value</tagA><tag1>   <tag2><tagA>value</tagA></tag2></element>

目前我有一个字典,每个文件都是一个关键字.值是带有“属性”,“节点文本”,“标记”和“父元素”键的字典.

例：

{'file1.xml' : 'attributes' : {'Person': 'Id', 'Car' : 'Color'},               'node text': ['Name', 'Address'],}

“Person”和“Car”是标签,“Id”和“Color”是属性名称.

这使得迭代所有元素并检查每个标记变得容易,如果字典中存在匹配(如果dict [‘file1.xml’] [‘attributes’]中的elem.tag),则提取值.

正如我所说,代码有效,但我不喜欢我的解决方案.此外,并非所有元素都具有所有子元素(例如,Person可能没有汽车,那么该标签将完全丢失),我需要将这些值分配给“None”.现在我得到每个文件中每个元素应该存在的所有标记,将它们变成一个集合,然后检查它们与我实际从该元素中提取值的标记集之间的差异.再一次,代码非常难看.

希望这个烂摊子有道理.

编辑：

我使用了J.F.Sebastian建议将xpath存储到字典中的每个值,字段名称为键,xpath为值.

解决方法:

您可以使用相对于元素的xpath表达式而不是复杂的数据结构来简化输入代码,例如,#1-4情况：

>标签/文字()
> tag / @ attribute
> name(DTBoolean / * [1])
>(tag1 | tag2)/ * / text()

要使用哪种输出数据结构取决于您希望以后如何在代码中使用它.您可以从对当前代码最方便的结构开始.当您更好地理解要求时,将其演变为更通用的解决方案.

I output it to csv, where each element is one row in the csv file.
…
I use a defaultdict to store the elements and then store those in a list before I output them to csv.

你可以使用普通的dict和csv.DictWriter(fieldnames = xpathdict.keys())：

# for each elementrow_dict = dict.fromkeys(xpathdict.keys())...# for each key row_dict[key] = element.xpath(xpathdict[key]) or None...dictwriter.writerow(row_dict)

其中xpathdict是字段名称和相应的xpath表达式之间的映射.一般来说,你可以存储函数对象f(元素) – > csv字段而不是/除xpath exprs之外.

来源：https://www.icode9.com/content-1-413451.html