将子节点与类似的父节点xml、python合并

我有以下xml文件：

<root>
    <article_date>09/09/2013
    <article_time>1
        <article_name>aaa1</article_name>
        <article_link>1aaaaaaa</article_link>
    </article_time>
    <article_time>0
        <article_name>aaa2</article_name>
        <article_link>2aaaaaaa</article_link>
    </article_time>
    <article_time>1
        <article_name>aaa3</article_name>
        <article_link>3aaaaaaa</article_link>
    </article_time>
    <article_time>0
        <article_name>aaa4</article_name>
        <article_link>4aaaaaaa</article_link>
    </article_time>
    <article_time>1
        <article_name>aaa5</article_name>
        <article_link>5aaaaaaa</article_link>
    </article_time>
    </article_date>
</root>

---

我会尽可能多地写我有时间（和知识），但我正在把它变成一个社区维基，这样其他人可以帮助我

我建议为此使用或库。我将使用BeautifulSoup，因为由于某些原因，我现在无法让xml工作

首先，让我们开始准备：

>>> import bs4
>>> soup = bs4.BeautifulSoup('''<root>
...     <article_date>09/09/2013
...     <article_time>1
...         <article_name>aaa1</article_name>
...         <article_link>1aaaaaaa</article_link>
...     </article_time>
...     <article_time>0
...         <article_name>aaa2</article_name>
...         <article_link>2aaaaaaa</article_link>
...     </article_time>
...     <article_time>1
...         <article_name>aaa3</article_name>
...         <article_link>3aaaaaaa</article_link>
...     </article_time>
...     <article_time>0
...         <article_name>aaa4</article_name>
...         <article_link>4aaaaaaa</article_link>
...     </article_time>
...     <article_time>1
...         <article_name>aaa5</article_name>
...         <article_link>5aaaaaaa</article_link>
...     </article_time>
... </root>''')

接下来要做的是定义一个键，用于定义“相似”父节点的方式。让我们编写一个

键

函数，指定要查看每个子对象的哪个部分。我们先做一些调查，了解每个孩子的结构

>>> children[0].contents
[u'1\n        ', <article_name>aaa1</article_name>, u'\n', <article_link>1aaaaaaa</article_link>, u'\n']
>>> children[0].contents[0]
u'1\n        '
>>> int(children[0].contents[0])
1
>>> def key(child):
...     return int(child.contents[0])
...
>>> key(children[0])
1
>>> key(children[1])
0

groups

是一个生成器——就像一个列表，但我们只能遍历它一次。让我们看看是什么造就了它，尽管这意味着我们必须在以后再创造它。（对于生成器，我们只获得一次传递，因此通过查看数据，我们正在丢失它。幸运的是，它很容易重新创建）

>对于k，g分组：
...     打印k'：\t'，列表（g）
...
0 : [0
aaa2
2aaaaaa
, 0
aaa4
4aaaaaaaaa
]
1 : [1
aaa1
1AAAAAA
1.
aaa3
3aaaaaa
1.
aaa5
5aaaaaaa
]

好的，

k

指定用于生成组的键，g是匹配

k

的

article\u time

s序列

---

对不起，我现在没有时间了。希望这足以让您开始学习。

以下是使用python标准库中的

xml.etree.ElementTree

的解决方案

其思想是将项目收集到

defaultdict（list）

per

article\u time

text值中：

from collections import defaultdict
import xml.etree.ElementTree as ET

data = """<root>
    <article_date>09/09/2013
    <article_time>1
        <article_name>aaa1</article_name>
        <article_link>1aaaaaaa</article_link>
    </article_time>
    <article_time>0
        <article_name>aaa2</article_name>
        <article_link>2aaaaaaa</article_link>
    </article_time>
    <article_time>1
        <article_name>aaa3</article_name>
        <article_link>3aaaaaaa</article_link>
    </article_time>
    <article_time>0
        <article_name>aaa4</article_name>
        <article_link>4aaaaaaa</article_link>
    </article_time>
    <article_time>1
        <article_name>aaa5</article_name>
        <article_link>5aaaaaaa</article_link>
    </article_time>
    </article_date>
</root>
"""

tree = ET.fromstring(data)

root = ET.Element('root')
article_date = ET.SubElement(root, 'article_date')
article_date.text = tree.find('.//article_date').text

data = defaultdict(list)
for article_time in tree.findall('.//article_time'):
    text = article_time.text.strip()
    name = article_time.find('./article_name').text
    link = article_time.find('./article_link').text
    data[text].append((name, link))

for time_value, items in data.iteritems():
    article_time = ET.SubElement(article_date, 'article_time')
    article_name = ET.SubElement(article_time, 'article_name')
    article_link = ET.SubElement(article_time, 'article_name')

    article_time.text = time_value
    article_name.text = '+'.join(name for (name, _) in items)
    article_link.text = '+'.join(link for (_, link) in items)

print ET.tostring(root)

从集合导入defaultdict
将xml.etree.ElementTree作为ET导入
data=”“”
09/09/2013
1.
aaa1
1AAAAAA
0
aaa2
2aaaaaa
1.
aaa3
3aaaaaa
0
aaa4
4aaaaaaaaa
1.
aaa5
5aaaaaaa
"""
tree=ET.fromstring（数据）
root=ET.Element（'root'）
article\u date=ET.SubElement（根“article\u date”）
article\u date.text=tree.find（'.//article\u date'）.text
数据=默认DICT（列表）
对于tree.findall（'.//article\u time'）中的article\u time：
text=article\u time.text.strip（）
名称=文章时间。查找（'./文章名称'）。文本
link=文章时间。查找（'./文章链接'）。文本
数据[文本].追加（（名称，链接））
对于时间_值，data.iteritems（）中的项：
article_time=ET.SubElement（article_日期，“article_time”）
article_name=ET.SubElement（article_time，‘article_name’）
article\u link=ET.SubElement（article\u time，'article\u name'）
article\u time.text=时间值
article_name.text='+'.join（项目中（名称，)）的名称）
article_link.text='+'.join（项目中（_，link）的链接）
打印ET.tostring（根目录）

印刷品（美化）：

09/09/2013
1.
aaa1+aaa3+aaa5
1AAAAAA+3AAAAA+5AAAAA
0
aaa2+aaa4
2aaaaaa+4aaaaaaaa

---

看，结果正是您想要的。

到目前为止，您的代码是什么？感谢您发布解决方案。但是，有一个问题：在我的数据结构中，包装了所有其他标记。@mr.M ok，但我没有看到结束日期标记。。它应该在哪里？我的错。我已经修复了数据结构。

>>> children = soup.find_all('article_time')
>>> children
[<article_time>1
        <article_name>aaa1</article_name>
<article_link>1aaaaaaa</article_link>
</article_time>, <article_time>0
        <article_name>aaa2</article_name>
<article_link>2aaaaaaa</article_link>
</article_time>, <article_time>1
        <article_name>aaa3</article_name>
<article_link>3aaaaaaa</article_link>
</article_time>, <article_time>0
        <article_name>aaa4</article_name>
<article_link>4aaaaaaa</article_link>
</article_time>, <article_time>1
        <article_name>aaa5</article_name>
<article_link>5aaaaaaa</article_link>
</article_time>]

>>> children[0].contents
[u'1\n        ', <article_name>aaa1</article_name>, u'\n', <article_link>1aaaaaaa</article_link>, u'\n']
>>> children[0].contents[0]
u'1\n        '
>>> int(children[0].contents[0])
1
>>> def key(child):
...     return int(child.contents[0])
...
>>> key(children[0])
1
>>> key(children[1])
0

>>> children = sorted(children, key=key)
>>> import itertools
>>> groups = itertools.groupby(children, key)

>>> for k, g in groups:
...     print k, ':\t', list(g)
...
0 : [<article_time>0
        <article_name>aaa2</article_name>
<article_link>2aaaaaaa</article_link>
</article_time>, <article_time>0
        <article_name>aaa4</article_name>
<article_link>4aaaaaaa</article_link>
</article_time>]
1 : [<article_time>1
        <article_name>aaa1</article_name>
<article_link>1aaaaaaa</article_link>
</article_time>, <article_time>1
        <article_name>aaa3</article_name>
<article_link>3aaaaaaa</article_link>
</article_time>, <article_time>1
        <article_name>aaa5</article_name>
<article_link>5aaaaaaa</article_link>
</article_time>]

from collections import defaultdict
import xml.etree.ElementTree as ET

data = """<root>
    <article_date>09/09/2013
    <article_time>1
        <article_name>aaa1</article_name>
        <article_link>1aaaaaaa</article_link>
    </article_time>
    <article_time>0
        <article_name>aaa2</article_name>
        <article_link>2aaaaaaa</article_link>
    </article_time>
    <article_time>1
        <article_name>aaa3</article_name>
        <article_link>3aaaaaaa</article_link>
    </article_time>
    <article_time>0
        <article_name>aaa4</article_name>
        <article_link>4aaaaaaa</article_link>
    </article_time>
    <article_time>1
        <article_name>aaa5</article_name>
        <article_link>5aaaaaaa</article_link>
    </article_time>
    </article_date>
</root>
"""

tree = ET.fromstring(data)

root = ET.Element('root')
article_date = ET.SubElement(root, 'article_date')
article_date.text = tree.find('.//article_date').text

data = defaultdict(list)
for article_time in tree.findall('.//article_time'):
    text = article_time.text.strip()
    name = article_time.find('./article_name').text
    link = article_time.find('./article_link').text
    data[text].append((name, link))

for time_value, items in data.iteritems():
    article_time = ET.SubElement(article_date, 'article_time')
    article_name = ET.SubElement(article_time, 'article_name')
    article_link = ET.SubElement(article_time, 'article_name')

    article_time.text = time_value
    article_name.text = '+'.join(name for (name, _) in items)
    article_link.text = '+'.join(link for (_, link) in items)

print ET.tostring(root)

<root>
    <article_date>09/09/2013
        <article_time>1
            <article_name>aaa1+aaa3+aaa5</article_name>
            <article_name>1aaaaaaa+3aaaaaaa+5aaaaaaa</article_name>
        </article_time>
        <article_time>0
            <article_name>aaa2+aaa4</article_name>
            <article_name>2aaaaaaa+4aaaaaaa</article_name>
        </article_time>
    </article_date>
</root>