Python R如何从xml标记中提取信息

我有一个关于xml解析的问题。 我有带空格的标签，例如

<item1 id=rt name ="th">
<point1>1254</point1>
<point2>1254</point2>
</item>

1254
1254

如何从这些标签中提取id和名称

在接下来的分析中，我需要使用R，但我也可以用perl和python进行文件解析。

---

最好的解决方案是什么？

您可以使用

XML

包：

tt <- '<?xml version="1.0" encoding="utf-8"?>
<item id="rt" name ="th">
  <point1>1254</point1>
  <point2>1254</point2>
</item>
'

library(XML)
xpathSApply(doc,'//item',xmlGetAttr,'id')
[1] "rt"

tt正则表达式怎么样

/=\K\W？\K\W+/g

=\K
查找但不保存
=

\W？\K
查找但不保存标记前的潜在引号

\w+
是您的标签

您可以逐行读取文件并将匹配项保存到数组中，如：

my@matches=$line=~/=\K\W？\K\W+/g

然后使用
$matches[]
访问各个元素

如果您想进一步使用正则表达式，可以在这里使用正则表达式：
这是真实的数据吗？第一个标记不是格式良好的XML，它缺少id值周围的引号。如果这是您拥有的数据，您可能无法使用XML工具。您更改了输入。正如@mirod在上面指出的，输入没有
id=“rt”
，但是
id=rt
@simbabque是的，我知道XML的格式非常糟糕（se item1标记不是item）。我的答案是向初学者展示如何使用XML包。这很公平。在这种情况下，我建议指出这一点（你现在这样做了）。否则，他们可能会抱怨它不起作用
    tt <- '<item1 id=rt name ="th">
<point1>1254</point1>
<point2>1254</point2>
</item>
    '

    ll <- readLines(textConnection(tt))
    gsub('.*id=(.*)[ ]name.*','\\1',ll[1])
 [1] "rt"