Python 从XML中获取特定文本

你好：）这是我的第一个python程序，但它不工作

我想做的是：

• 导入XML文件并仅从中获取Example.swf

第1页
Example.swf
（内文）

• 然后在网站上下载相关文件（）
• 然后将其重命名为1.swf（或第1.swf页）

• 循环，直到到达页面末尾的最后一个文件（例如aa_idontknow.swf）→ 231.社会福利基金）

• 将所有文件转换为pdf格式

我所做的（但没有用，因为AttributeError:'xml.etree.ElementTree.Element'对象没有属性'xpath'）：

重新导入
导入urllib.request
导入请求
导入时间
导入请求
导入lxml
导入lxml.html
导入操作系统
从xml.etree导入ElementTree作为ET
DIR=“C:/Users/mypath…”
对于os.listdir（DIR）中的文件名：
如果filename.endswith（“.xml”）：
打开（file=DIR+“.xml”，mode='r'，encoding='utf-8'）作为文件：
_tree=ET.fromstring（text=file.read（））
_所有_元数据_标记=_tree.xpath（'.//向量_文件'）
对于i-in\u-all\u元数据\u标记：
打印（i.text+“\n”）
其他：
打印（“跳过文件名”）

首先，您需要决定要使用什么模块

lxml

或

xml

？只导入其中一个

lxml

有更多的特性，但它是一个外部依赖项

xml

更基本，但它是内置的。这两个模块共享很多API，因此很容易混淆。检查您正在查看的文档是否正确

对于您想要做的事情，内置模块已经足够好了。但是，此处不支持

.xpath（）

方法，即您在此处查找的方法

然后您需要记住，永远不要解析XML文件，方法是将XML文件作为纯文本文件打开，将其读入字符串，然后解析该字符串。这不仅是浪费，而且从根本上说是错误的。XML解析器具有内置的自动编码检测功能。这种机制确保您不必担心文件编码，但也必须使用它

这样不仅更好，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')

如果每个文件只需要一个

元素，或者只需要第一个这样的元素，请使用

.find（）

而不是

.findall（）

：

---

您可以使用

glob

处理通配符并仅获取匹配文件的列表：谢谢，它可以工作，但现在我想下载它们并逐个重命名（page1.swf、page2.swf、page3.swf）？我该怎么做？无论如何，非常感谢您通过谷歌搜索“如何用Python重命名文件”：

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

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