Python 解析目录和所有子目录中的所有XML文件

我是Python新手，但我对Delphi有一些经验。 我试图制作一个脚本，能够搜索目录中的所有xml文件（包括该目录中的所有子目录），然后解析这些xml并将其中的一些数据（数字）保存到一个简单的txt文件中。之后，我通过该txt文件创建另一个txt文件，其中只包含以前创建的txt文件中唯一的一组数字

我创建了以下脚本：

import os
from xml.dom import minidom

#for testing purposes
directory = os.getcwd()

print("Procházím aktuální adresář, hledám XML soubory...")
print("Procházím XML soubory, hledám IČP provádějícího...")

with open ('ICP_all.txt', 'w') as SeznamICP_all:   
    for root, dirs, files in os.walk(directory):
        for file in files:
            if (file.endswith('.xml')):
                xmldoc = minidom.parse(file)
                itemlist = xmldoc.getElementsByTagName('is')
                SeznamICP_all.write(itemlist[0].attributes['icp'].value + '\n')

print("Vytvářím list unikátních IČP...")

with open ('ICP_distinct.txt','w') as distinct:
    UnikatniICP = []
    with open ('ICP_all.txt','r') as SeznamICP_all:
        for line in SeznamICP_all:
            if line not in UnikatniICP:
                UnikatniICP.append(line)
                distinct.write(line)

print('Počet unikátních IČP:' + str(len(UnikatniICP)))
input('Pro ukončení stiskni libovolnou klávesu...')

它按照预期工作，直到有一个子目录，在这种情况下，我得到错误：

FileNotFoundError: [Errno 2] No such file or directory: 'RNN38987.xml'

这是因为文件位于子目录中，而不是位于包含python脚本的目录中。我试图通过path使其工作，以获得要使用的文件的绝对路径，但我遇到更多错误，请参阅脚本：

import os
from xml.dom import minidom
from pathlib import Path

#for testing purposes
directory = os.getcwd()

print("Procházím aktuální adresář, hledám XML soubory...")
print("Procházím XML soubory, hledám IČP provádějícího...")

with open ('ICP_all.txt', 'w') as SeznamICP_all:   
    for root, dirs, files in os.walk(directory):
        for file in files:
            if (file.endswith('.xml')):
                soubor = Path(file).resolve()
                print(soubor)
                xmldoc = minidom.parse(soubor)
                itemlist = xmldoc.getElementsByTagName('is')
                SeznamICP_all.write(itemlist[0].attributes['icp'].value + '\n')

print("Vytvářím list unikátních IČP...")

with open ('ICP_distinct.txt','w') as distinct:
    UnikatniICP = []
    with open ('ICP_all.txt','r') as SeznamICP_all:
        for line in SeznamICP_all:
            if line not in UnikatniICP:
                UnikatniICP.append(line)
                distinct.write(line)

print('Počet unikátních IČP:' + str(len(UnikatniICP)))
input('Pro ukončení stiskni libovolnou klávesu...')

我现在遇到的错误我真的不明白，谷歌也帮不上忙-整个日志：

Procházím aktuální adresář, hledám XML soubory...
Procházím XML soubory, hledám IČP provádějícího...
C:\2_Programming\Python\IČP FINDER\src\20150225_1815_2561_1.xml
Traceback (most recent call last):
  File "C:\2_Programming\Python\IČP FINDER\src\ICP Finder.py", line 17, in <module>
    xmldoc = minidom.parse(soubor)
  File "C:\2_Programming\Python\Interpreter\lib\xml\dom\minidom.py", line 1958, in parse
    return expatbuilder.parse(file)
  File "C:\2_Programming\Python\Interpreter\lib\xml\dom\expatbuilder.py", line 913, in parse
    result = builder.parseFile(file)
  File "C:\2_Programming\Python\Interpreter\lib\xml\dom\expatbuilder.py", line 204, in parseFile
    buffer = file.read(16*1024)
AttributeError: 'WindowsPath' object has no attribute 'read'

Procházím aktuálníadresář，hledám XML soubory。。。
Procházím XML soubori，hledám IČP provádějícího。。。
C:\2_Programming\Python\IČP FINDER\src\20150225_1815_2561_1.xml
回溯（最近一次呼叫最后一次）：
文件“C:\2_Programming\Python\IČP FINDER\src\ICP FINDER.py”，第17行，在
xmldoc=minidom.parse（soubor）
文件“C:\2\u Programming\Python\解释器\lib\xml\dom\minidom.py”，第1958行，在parse中
返回expatbuilder.parse（文件）
文件“C:\2\u Programming\Python\解释器\lib\xml\dom\expatbuilder.py”，第913行，解析
结果=builder.parseFile（文件）
文件“C:\2\u Programming\Python\Interpreter\lib\xml\dom\expatbuilder.py”，第204行，在parseFile中
buffer=file.read（16*1024）
AttributeError:“WindowsPath”对象没有属性“read”

---

你能帮我一下吗？

你要找的图案是：

with open ('ICP_all.txt', 'w') as SeznamICP_all:   
    for root, dirs, files in os.walk(directory):
        for file in files:
            if (file.endswith('.xml')):
                xmldoc = minidom.parse(os.path.join(root, file))
                itemlist = xmldoc.getElementsByTagName('is')
                SeznamICP_all.write(itemlist[0].attributes['icp'].value + '\n')

---

在

for

循环的每次迭代中，

root

指存在

文件和
目录的目录。
Rob的回答中已经解释过，您的问题是因为您没有加入路径，所以一旦离开cwd，您会在目录外找到文件，但会在cwd中查找它们

由于您使用的是oythin3，因此您有两个其他选项来查找文件，如果您的python3版本为3.5，则可以使用递归搜索来查找所有xml文件：

import glob
import os
from xml.dom import minidom

directory = os.getcwd()

with open ('ICP_all.txt', 'w') as SeznamICP_all:
    for file in glob.iglob(directory+'/**/*xml', recursive=True):
            xmldoc = minidom.parse(file)
            itemlist = xmldoc.getElementsByTagName('is')
            SeznamICP_all.write(itemlist[0].attributes['icp'].value + '\n')

或者，如果您使用的是python 3.4，则可以使用执行递归搜索：

from pathlib import Path


with open ('ICP_all.txt', 'w') as SeznamICP_all:
    for file in Path(directory).glob('**/*.xml')
        xmldoc = minidom.parse(file)
        itemlist = xmldoc.getElementsByTagName('is')
        SeznamICP_all.write(itemlist[0].attributes['icp'].value + '\n')

旁白：
unikatnicp=set（）。如果您不关心顺序，
distinct.writelines（set（SeznamICP_all））
可能会运行得最快。谢谢，这很好！然而，当我发现并非所有XML文件都有带有属性icp的tag is时，我遇到了一个问题。有没有办法用minidom检查该标记的存在？