Python 用lxml解析大型XML

我正在努力让我的脚本工作。到目前为止，它还没有输出任何东西

这是我的test.xml

<mediawiki xmlns="http://www.mediawiki.org/xml/export-0.8/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.mediawiki.org/xml/export-0.8/ http://www.mediawiki.org/xml/export-0.8.xsd" version="0.8" xml:lang="it">
<page>
    <title>MediaWiki:Category</title>
    <ns>0</ns>
    <id>2</id>
    <revision>
      <id>11248</id>
      <timestamp>2003-12-31T13:47:54Z</timestamp>
      <contributor>
        <username>Frieda</username>
        <id>0</id>
      </contributor>
      <minor />
      <text xml:space="preserve">categoria</text>
      <sha1>0acykl71lto9v65yve23lmjgia1h6sz</sha1>
      <model>wikitext</model>
      <format>text/x-wiki</format>
    </revision>
  </page>
</mediawiki>

---

我没有得到任何错误，只是没有输出。如果值为0，我想得到的是解析元素。

您正在解析一个带名称空间的文档，并且不存在“page”标记，因为这只适用于没有名称空间的标记

相反，您正在寻找{http://www.mediawiki.org/xml/export-0.8/}页面“元素，其中包含”{http://www.mediawiki.org/xml/export-0.8/}ns元素

许多lxml方法确实允许您指定名称空间映射以使匹配更容易，但不幸的是，iterparse方法不是其中之一

下面的.iterparse调用当然会处理正确的页面标记：

但您需要使用.find获取页面元素上的ns和title标记，或者使用xpath调用直接获取文本：

def process_element(elem):
    if elem.xpath("./*[local-name()='ns']/text()=0"):
        print elem.xpath("./*[local-name()='title']/text()")[0]

对于您的输入示例，它打印：

>>> fast_iter(context, process_element)
MediaWiki:Category

---

您正在分析一个带名称空间的文档，并且不存在“page”标记，因为这只适用于没有名称空间的标记

相反，您正在寻找{http://www.mediawiki.org/xml/export-0.8/}页面“元素，其中包含”{http://www.mediawiki.org/xml/export-0.8/}ns元素

许多lxml方法确实允许您指定名称空间映射以使匹配更容易，但不幸的是，iterparse方法不是其中之一

下面的.iterparse调用当然会处理正确的页面标记：

但您需要使用.find获取页面元素上的ns和title标记，或者使用xpath调用直接获取文本：

def process_element(elem):
    if elem.xpath("./*[local-name()='ns']/text()=0"):
        print elem.xpath("./*[local-name()='title']/text()")[0]

对于您的输入示例，它打印：

>>> fast_iter(context, process_element)
MediaWiki:Category