Python LXML-分类标签顺序

我有一个遗留文件格式，我正在将其转换为XML进行处理。结构可概括为：

<A>
    <A01>X</A01>
    <A02>Y</A02>
    <A03>Z</A03>
</A>

X
Y
Z

标签的数字部分可以从01到99，并且可能存在间隙。作为处理的一部分，某些记录可能会添加额外的标记。处理完成后，我将通过遍历树将文件转换回传统格式。这些文件相当大（约150000个节点）

这样做的一个问题是，一些使用传统格式的软件假设标记（或者更确切地说，转换时的字段）将以字母数字顺序排列，但默认情况下，新标记将添加到分支的末尾，从而导致它们以错误的顺序从迭代器中出来

每次添加新标记时，我都可以使用xpath根据标记名查找前面的同级，但我的问题是，是否有更简单的方法在导出之前立即对树进行排序

编辑：

我想我已经过度概括了结构

记录可以包含如上所述的多个级别，以提供如下内容：

<X>
    <X01>1</X01>
    <X02>2</X02>
    <X03>3</X03>
    <A>
        <A01>X</A01>
        <A02>Y</A02>
        <A03>Z</A03>
    </A>
    <B>
        <B01>Z</B02>
        <B02>X</B02>
        <B03>C</B03>
    </B>
</X>

1.
2.
3.
X
Y
Z
Z
X
C

您可以对xml元素进行如下排序：

from operator import attrgetter
from lxml import etree

root = etree.parse(xmlfile)
children = list(root)
sorted_list = sorted(children, key=attrgetter('tag'))

如果运行速度太慢，您可能只需对标记名进行排序，然后使用xpath获取节点：

tag_list = [item.tag for item in root]
sorted_taglist = sorted(tag_list)

---

可以编写一个helper函数来在正确的位置插入新元素，但是如果不了解更多关于结构的信息，就很难使其通用

下面是一个在整个文档中对子元素进行排序的简短示例：

从lxml导入etree
data=”“”
3.
2.
Y
X
Z
1.
Z
X
C
"""
doc=etree.XML（数据，etree.XMLParser（remove\u blank\u text=True））
对于doc.xpath（'/*[./*]'）中的父元素：#搜索父元素
父项[：]=已排序（父项，键=lambda x:x.tag）
打印etree.tostring（doc，pretty\u print=True）

屈服：

X
Y
Z
Z
X
C
1.
2.
3.

在谷歌上搜索XML分类器，我到了这里。基于@MattH的工作，我制作了一个更完整和可调节的功能：

#!python3
from lxml import etree
import sys
if len(sys.argv) < 3:
    print("usage : xml_sorted.py file_in.xml file_out.xml")
    exit(0)
    
filename_in=sys.argv[1]
filename_out=sys.argv[2]

def getSortValue(elem):
    if isinstance(elem,etree._Comment):
        # sort comment by its content
        return elem.text
    else:
        # sort entities by tag and then by name
        return elem.tag + elem.attrib.get('name','')

doc=etree.parse(filename_in)

for parent in doc.xpath('//*[./*]'): # Search for parent elements
    parent[:] = sorted(parent,key=lambda x: getSortValue(x))

with open(filename_out,"wb") as file:
    file.write(etree.tostring(doc,pretty_print=True))

#！蟒蛇3
从lxml导入etree
导入系统
如果len（sys.argv）<3：
打印（“用法：xml\u sorted.py file\u in.xml file\u out.xml”）
出口（0）
filename_in=sys.argv[1]
filename_out=sys.argv[2]
def getSortValue（元素）：
如果不存在（元素、etree.\u注释）：
#按内容对评论进行排序
返回元素文本
其他：
#按标记排序实体，然后按名称排序
返回elem.tag+elem.attrib.get（'name'，''）
doc=etree.parse（文件名\u in）
对于doc.xpath（'/*[./*]'）中的父元素：#搜索父元素
父项[：]=已排序（父项，键=lambda x:getSortValue（x））
打开（文件名为“wb”）作为文件：
file.write（etree.tostring（doc，pretty\u print=True））

我不太确定XML模式是否经过深思熟虑。A01和A02不是同一类型的东西吗？它们应该共享相同的元素名称。数字可能应该是一个属性，而不是标记名的一部分。当然，标记名的可读性应该更高，但我意识到它们可能只是一个示例。不幸的是，我无法控制传统格式，这是它如何以键/值对存储数据的直接转换。在原始文件中，它可能会说“A01=Bob”，然后应用程序就会知道这个数字是以这个名字命名的。在XML中有很多方法可以实现这一点，但您在这里展示的方法并不是非常语义化的翻译。您的模式将是复杂且不断变化的。我建议

value

其中item是A01、A02所代表的东西。当我说键/值对时，我指的是一个静态的键列表，已知这些键表示某种东西-因此它说的

Bob

实际上是

Bob

，但只不过是遗留应用程序（~20年前）是用这些不透明的数字字段名编写的。谢谢-lamba函数正是我所需要的。谢谢。。。我发现这些文章也很有用：我不明白为什么在赋值中使用

parent[：]=

。@Sdwdaw因为我想修改现有序列的内容，比如对象

parent

。不创建该名称的新列表。如果您得到

TypeError:'