如何将Python中的xml标记从input.txt中分离出来，然后对它们进行良好的格式化（制表符、换行符、嵌套）？
我正在尝试获取包含以下文本的file.txt文件：如何将Python中的xml标记从input.txt中分离出来，然后对它们进行良好的格式化（制表符、换行符、嵌套）？,python,xml,Python,Xml,我正在尝试获取包含以下文本的file.txt文件： <a> hello <a>world how <a>are </a>you?</a><a></a></a> <a> hello <a> world how <a> are </a>
<a> hello
<a>world
how <a>are
</a>you?</a><a></a></a>
<a>
hello
<a>
world how
<a>
are
</a>
you?
</a>
<a>
</a>
<a> hello
<a>world
how <a>are
</a>you?</a><a></a></a>
<a>
hello
<a>
world how
<a>
are
</a>
you?
</a>
<a>
</a>
你好
世界怎么了
是
你呢？
from stack import Stack
import re
import sys
def findTag(string):
# checks to see if a string has an xml tag returns the tag or none
try:
match = re.search(r"\<(.+?)\>", string)
return match.group(0), match.start(0)
except:
return None
def isTag(string):
# checks to see if a string is a tag and returns true or false.
try:
match = re.search(r"\<(.+?)\>", string)
match.group(0)
return True
except:
return False
else:
return False
def split_tags_and_string(string):
#splits up tag and string into a list
L = []
for line in s.split("\n"):
temp = line
while len(temp) >0: #string still has some characters
#print("line: " + temp)
tag_tuple = (findTag(temp)) #returns a tuple with tag and starting index
#print("tag_tuple: "+ str(tag_tuple))
if tag_tuple is not None: #there is a tag in the temp string
if tag_tuple[1] == 0: #tag is the front of temp string
L.append(tag_tuple[0].strip())
temp = temp.replace(tag_tuple[0], '', 1)
temp = temp.strip()
else: #tag is somewhere else other than the front of the temp string
L.append(temp[0:tag_tuple[1]].strip())
temp = temp.replace(temp[0:tag_tuple[1]], '', 1)
temp = temp.strip()
else: #there is no tag in the temp string
L.append(temp.strip())
temp = temp.replace(temp, '')
return L
def check_tags(formatted_list):
# verifies that the xml is valid
stack = Stack()
x=0
try:
#print(formatted_list)
for item in formatted_list:
tag = findTag(item)
#print("tag: "+ str(tag))
if tag is not None:
if tag[0].find('/') == -1:
endtag = tag[0][0:1] + '/' +tag[0][1:]
#print(endtag)
if formatted_list.count(tag[0]) != formatted_list.count(endtag):
#print("tag count doesn't match")
return False, x
if tag[0].find('/') == -1:
#print("pushing: "+tag[0])
stack.push(tag[0])
else:
#print("popping: "+tag[0])
stack.pop()
x+=1
except:
return False,x
if stack.isEmpty():
return True,x
else:
return False,x
def print_xml_list(formatted_list):
indent = 0
string = str()
previousIsString = False
#print(formatted_list)
for item in formatted_list:
#print("previous = " + str(previousIsString))
#print(item)
if len(item) > 0:
if isTag(item) == True and item.find('/') == -1:#the item is a tag and not and end tag
if previousIsString == True and string[len(string)-5:].find('\n') == -1:
#add a newline if there isn't one already
string+='\n'
string+=(' '*indent+item+'\n')
indent+=1 #increases indent
previousIsString = False #previous isn't a string
if isTag(item) == True and item.find('/') != -1: #the item is a tag and also an end tag
if previousIsString == True:
string+='\n'
indent-=1 # reduces indent
string+=(' '*indent+item+'\n')
previousIsString = False #previous isn't a string
if isTag(item) == False:
if previousIsString:
string+=(' '+item+' ') #adds item and no tab space
else:
string+=(' '*indent+item+' ') #adds item with tabs before
previousIsString = True # previous is a string
return string
if __name__ == "__main__":
filename = input("enter file name: ")
file = open(filename, 'r')
s = file.read()
formatted = split_tags_and_string(s) #formats the string and tags into a list called formatted
isGood = check_tags(formatted) # makes sure the xml is valid
if isGood[0] == False: #if the xml is bad it says so and ends the program
print("The xml file is bad.")
else:
string = print_xml_list(formatted) #adds indentation and formatting to the list and turns it into a string
print(string) #prints the final result
从堆栈导入堆栈
进口稀土
导入系统
def findTag（字符串）：
#检查字符串是否有xml标记返回标记或无
尝试：
匹配=重新搜索（r“\”，字符串）
返回match.group（0），match.start（0）
除：
一无所获
def isTag（字符串）：
#检查字符串是否为标记并返回true或false。
尝试：
匹配=重新搜索（r“\”，字符串）
匹配组（0）
返回真值
除：
返回错误
其他：
返回错误
def split_标记_和_字符串（字符串）：
#将标签和字符串拆分为列表
L=[]
对于s.split（“\n”）中的行：
温度=线
虽然len（temp）>0:#字符串仍有一些字符
#打印（“行：+temp）
tag_tuple=（findTag（temp））#返回带有标记和起始索引的元组
#打印（“标记元组：+str（标记元组））
如果tag_tuple不是None:#临时字符串中有一个标记
如果tag_tuple[1]==0:#tag是临时字符串的前面
L.append（标记\元组[0].strip（））
临时=临时替换（标签组[0]，''，1）
温度=温度带（）
else:#标记位于临时字符串前面以外的其他位置
L.append（temp[0:tag_tuple[1]].strip（））
临时=临时替换（临时[0:标记组[1]，''，1）
温度=温度带（）
else:#临时字符串中没有标记
L.append（临时条带（））
温度=温度更换（温度“”）
返回L
def检查标签（格式化列表）：
#验证xml是否有效
stack=stack（）
x=0
尝试：
#打印（格式化列表）
对于格式化列表中的项目：
标记=findTag（项目）
#打印（“标记：+str（标记））
如果标记不是无：
如果标记[0]。查找（'/'）=-1:
endtag=tag[0][0:1]+'/'+tag[0][1:]
#打印（结束标记）
如果格式化了列表计数（标记[0]）！=已格式化的列表计数（endtag）：
#打印（“标记计数不匹配”）
返回False，x
如果标记[0]。查找（'/'）=-1:
#打印（“推送：“+标记[0]”）
stack.push（标记[0]）
其他：
#打印（“弹出：+标记[0]）
stack.pop（）
x+=1
除：
返回False，x
如果stack.isEmpty（）：
返回True，x
其他：
返回False，x
def打印xml列表（格式化列表）：
缩进=0
string=str（）
previousIsString=False
#打印（格式化列表）
对于格式化列表中的项目：
#打印（“previous=“+str（previousIsString））
#打印（项目）
如果长度（项目）>0：
如果isTag（item）=True和item.find（'/'）==-1:#该项是标记，而不是结束标记
如果previousIsString==True和string[len（string）-5:]。则查找（'\n'）==1：
#如果还没有换行符，请添加换行符
字符串+='\n'
字符串+=（“”*缩进+项+'\n'）
缩进+=1#增加缩进
previousIsString=False#previous不是字符串
如果isTag（item）=True，并且item.find（'/'）！=-1:#项目是一个标记，也是一个结束标记
如果previousIsString==True：
字符串+='\n'
缩进-=1#减少缩进
字符串+=（“”*缩进+项+'\n'）
previousIsString=False#previous不是字符串
如果isTag（项目）=False：
如果之前的字符串：
字符串+=（''+项+''）#添加项且无选项卡空间
其他：
字符串+=（''*缩进+项目+''）#在前面添加带制表符的项目
previousIsString=True#previous是一个字符串
返回字符串
如果名称=“\uuuuu main\uuuuuuuu”：
文件名=输入（“输入文件名：”）
文件=打开（文件名“r”）
s=file.read（）
格式化=拆分标记和字符串#将字符串和标记格式化为一个名为格式化的列表
isGood=check_标记（格式化）#确保xml有效
如果isGood[0]==False:#如果xml不好，它会这样说并结束程序
打印（“xml文件不正确。”）
其他：
string=print_xml_list（格式化）#向列表添加缩进和格式化，并将其转换为字符串
打印（字符串）#打印最终结果
没有人提供答案，所以这里是我解析xml的基本方法，它没有处理类似于我上面提供的答案的功能。希望这对有类似好奇心的人有用。一些想法：你的名字不符合；变量、函数和方法应该类似于
find\u-between-tagsfindbween-tagsgetContentsetContent内容