Fatal编程技术网
  • python/
  • xml的python xpath解析<；lb/>；

xml的python xpath解析<；lb/>；

python xml xpath

xml的python xpath解析<；lb/>；,python,xml,xpath,lxml,Python,Xml,Xpath,Lxml,我正在使用xpath解析xml文件 从lxml导入etree 示例=“” 1.汽车是 -大、黄色和红色 -有一个大马达 -并且还具有 大座位。 ''' 我想按以下方式序列化上述XML文件： {"_3a327f0003": "1. A car is", "_3a327f0004":"- big, yellow and red;" "_3a327f0005":"- has a b

我正在使用xpath解析xml文件

从lxml导入etree
示例=“”


1.汽车是

-大、黄色和红色


-有一个大马达


-并且还具有
大座位。




'''
我想按以下方式序列化上述XML文件：

{"_3a327f0003": "1. A car is",
 "_3a327f0004":"- big, yellow and red;"
 "_3a327f0005":"- has a big motor;"
"_3a327f0006":"- and also has big seats"
基本上提取文本并构建一个字典，其中每个文本都属于他的
xml:id
。我的代码如下：

parser=etree.XMLParser（resolve\u entities=False，strip\u cdata=False，recover=True，ns\u clean=True）
XML_tree=etree.fromstring（例如.encode（），parser=parser）
all_paras=XML_tree.xpath（'.//p[@XML:id]'））
段落列表=[]
对于所有段落中的段落：
mydict={}
mydict['text']=段落文本
对于attrib段中的att：
mykey=att
如果mykey中的“id”：
mykey='xmlid'
mydict[mykey]=段落属性[att]
段落列表。追加（mydict）
PDM_XML_序列化程序（示例）
它可以工作，但如果我有如下节点：

-并且还具有
大座位。
它不会从中提取零件

我应该如何修改：

XML_tree.xpath（'.//p[@XML:id]'））
要获取

中的所有文本

编辑： 可以使用para.itertext（），但第一个节点也将返回其他节点的所有文本。

您可以使用lxml获取
p
元素的文本内容：

mydict['text'] = ''.join(para.itertext())
有关更通用的解决方案，请参见。

您可以使用lxml获取
p
元素的文本内容：

mydict['text'] = ''.join(para.itertext())
有关更通用的解决方案，请参见。

使用
xml.etree.ElementTree

import xml.etree.ElementTree as ET

xml = '''<div n="0001" type="car" xml:id="_3a327f0002">
                <p xml:id="_3a327f0003">
                1. A car is
                    <p xml:id="_3a327f0004"> - big, yellow and red;</p>
                    <p xml:id="_3a327f0005"> - has a big motor;</p>
                    <p xml:id="_3a327f0006"> - and also has <lb/>
                      big seats.
                    </p>
                </p>
                </div>'''


def _get_element_txt(element):
    txt = element.text
    children = list(element)
    if children:
        txt += children[0].tail.strip()
    return txt


root = ET.fromstring(xml)
data = {p.attrib['{http://www.w3.org/XML/1998/namespace}id']: _get_element_txt(p)
        for p in root.findall('.//p/p')}
for k, v in data.items():
    print(f'{k} --> {v}')
使用
xml.etree.ElementTree

import xml.etree.ElementTree as ET

xml = '''<div n="0001" type="car" xml:id="_3a327f0002">
                <p xml:id="_3a327f0003">
                1. A car is
                    <p xml:id="_3a327f0004"> - big, yellow and red;</p>
                    <p xml:id="_3a327f0005"> - has a big motor;</p>
                    <p xml:id="_3a327f0006"> - and also has <lb/>
                      big seats.
                    </p>
                </p>
                </div>'''


def _get_element_txt(element):
    txt = element.text
    children = list(element)
    if children:
        txt += children[0].tail.strip()
    return txt


root = ET.fromstring(xml)
data = {p.attrib['{http://www.w3.org/XML/1998/namespace}id']: _get_element_txt(p)
        for p in root.findall('.//p/p')}
for k, v in data.items():
    print(f'{k} --> {v}')
使用
lxml.etree
解析列表/听写理解中
所有段落中的所有元素。由于您的XML使用特殊的
XML
前缀，并且
lxml
还不支持解析属性中的命名空间前缀（请参见@mzjn的答案），因此下面使用
next
+
iter
来检索属性值

此外，要检索节点之间的所有文本值，
xpath（“text（）”）
与
str.strip
和
.join
一起使用，以清除空格和换行符，并将它们连接在一起


from lxml import etree

example='''<div n="0001" type="car" xml:id="_3a327f0002">
                <p xml:id="_3a327f0003">
                1. A car is
                    <p xml:id="_3a327f0004"> - big, yellow and red;</p>
                    <p xml:id="_3a327f0005"> - has a big motor;</p>
                    <p xml:id="_3a327f0006"> - and also has <lb/>
                      big seats.
                    </p>
                </p>
                </div>'''
                
XML_tree = etree.fromstring(example)
all_paras = XML_tree.xpath('.//p[@xml:id]')

output = {
    next(iter(t.attrib.values())):" ".join(i.strip() 
        for i in t.xpath("text()")).strip()
    for t in all_paras
}

output
# {
#  '_3a327f0003': '1. A car is', 
#  '_3a327f0004': '- big, yellow and red;',
#  '_3a327f0005': '- has a big motor;',
#  '_3a327f0006': '- and also has big seats.'
# }



从lxml导入etree
示例=“”


1.汽车是

-大、黄色和红色


-有一个大马达


-并且还具有
大座位。




'''
XML_tree=etree.fromstring（示例）
all_paras=XML_tree.xpath（'.//p[@XML:id]'））
输出={
下一步（iter（t.attrib.values（））：“”.join（i.strip（））
对于t.xpath中的i（“text（）”）.strip（）
对于t，在所有段落中
}
输出
# {
#“\u 3a327f0003”：“1.汽车是”，
#“_3a327f0004”：”-大的，黄色和红色；”，
#“_3a327f0005”：”-有一个大马达；”，
#“_3a327f0006”：”-还有大座位。”
# }

使用
lxml.etree
在列表/目录中解析
所有段落中的所有元素。由于您的XML使用特殊的
XML
前缀，并且
lxml
还不支持解析属性中的命名空间前缀（请参见@mzjn的答案），因此下面使用
next
+
iter
来检索属性值

此外，要检索节点之间的所有文本值，
xpath（“text（）”）
与
str.strip
和
.join
一起使用，以清除空格和换行符，并将它们连接在一起


from lxml import etree

example='''<div n="0001" type="car" xml:id="_3a327f0002">
                <p xml:id="_3a327f0003">
                1. A car is
                    <p xml:id="_3a327f0004"> - big, yellow and red;</p>
                    <p xml:id="_3a327f0005"> - has a big motor;</p>
                    <p xml:id="_3a327f0006"> - and also has <lb/>
                      big seats.
                    </p>
                </p>
                </div>'''
                
XML_tree = etree.fromstring(example)
all_paras = XML_tree.xpath('.//p[@xml:id]')

output = {
    next(iter(t.attrib.values())):" ".join(i.strip() 
        for i in t.xpath("text()")).strip()
    for t in all_paras
}

output
# {
#  '_3a327f0003': '1. A car is', 
#  '_3a327f0004': '- big, yellow and red;',
#  '_3a327f0005': '- has a big motor;',
#  '_3a327f0006': '- and also has big seats.'
# }



从lxml导入etree
示例=“”


1.汽车是

-大、黄色和红色


-有一个大马达


-并且还具有
大座位。




'''
XML_tree=etree.fromstring（示例）
all_paras=XML_tree.xpath（'.//p[@XML:id]'））
输出={
下一步（iter（t.attrib.values（））：“”.join（i.strip（））
对于t.xpath中的i（“text（）”）.strip（）
对于t，在所有段落中
}
输出
# {
#“\u 3a327f0003”：“1.汽车是”，
#“_3a327f0004”：”-大的，黄色和红色；”，
#“_3a327f0005”：”-有一个大马达；”，
#“_3a327f0006”：”-还有大座位。”
# }

根据您的示例，修改xpath以排除“A car is”文本。它还使用xpath函数
string
和
normalize space
将
para
节点作为字符串进行求值，并连接其文本节点，以及清理文本以匹配示例


from lxml import etree

example='''<div n="0001" type="car" xml:id="_3a327f0002">
                <p xml:id="_3a327f0003">
                1. A car is
                    <p xml:id="_3a327f0004"> - big, yellow and red;</p>
                    <p xml:id="_3a327f0005"> - has a big motor;</p>
                    <p xml:id="_3a327f0006"> - and also has <lb/>
                      big seats.
                    </p>
                </p>
                </div>'''

parser = etree.XMLParser(resolve_entities=False, strip_cdata=False, recover=True, ns_clean=True)

XML_tree = etree.fromstring(example.encode() , parser=parser)
all_paras = XML_tree.xpath('./p/p[@xml:id]')

list_of_paragraphs = []
for para in all_paras:
    mydict = {}
    mydict['text'] = para.xpath('normalize-space(string(.))')
    for att in para.attrib:
        mykey=att
        if 'id' in mykey:
            mykey='xmlid'
        mydict[mykey] = para.attrib[att]
    list_of_paragraphs.append(mydict)

PDM_XML_serializer(example)



从lxml导入etree
示例=“”


1.汽车是

-大、黄色和红色


-有一个大马达


-并且还具有
大座位。




'''
parser=etree.XMLParser（resolve\u entities=False，strip\u cdata=False，recover=True，ns\u clean=True）
XML_tree=etree.fromstring（例如.encode（），parser=parser）
all_paras=XML_tree.xpath（'./p/p[@XML:id]'））
段落列表=[]
对于所有段落中的段落：
mydict={}
mydict['text']=para.xpath（'normalize-space（string（.））'））
对于attrib段中的att：
mykey=att
如果mykey中的“id”：
myk