Python 提取XML属性

我有一个XML文件，其中包含数千条记录，格式如下：

<custs>
    <record cust_ID="B123456@Y1996" l_name="Jungle" f_name="George" m_name="OfThe" city="Fairbanks" zip="00010" current="1" />
    <record cust_ID="Q975697@Z2000" l_name="Freely" f_name="I" m_name="P" city="Yellow River" zip="03010" current="1" />
    <record cust_ID="M7803@J2323" l_name="Jungle" f_name="Jim" m_name="" city="Fallen Arches" zip="07008" current="0" />
</custs>
    #   (I know it's not normalized.  This is just sample data)

---

下一步（最后一步）是什么？

< P>如果这些数据被正确地格式化了，就像使用标准XML一样，你应该考虑而不是BeautifulSoup。使用

lxml

，读取文件，然后可以对其应用DOM逻辑，包括XPath查询。通过XPath查询，您可以获得表示感兴趣的每个节点的

lxml

对象，从中提取所需的数据，并使用类似模块的内容将其重写为您选择的任意格式

具体来说，在lxml文档中，查看以下教程：

---

如果这些数据被正确地格式化，就像使用标准XML一样，你应该考虑而不是BeautifulSoup。使用

lxml

，读取文件，然后可以对其应用DOM逻辑，包括XPath查询。通过XPath查询，您可以获得表示感兴趣的每个节点的

lxml

对象，从中提取所需的数据，并使用类似模块的内容将其重写为您选择的任意格式

具体来说，在lxml文档中，查看以下教程：

我（也）不会为此使用BeautifulSoup，尽管我喜欢lxml，但这是一个额外的安装，如果您不想麻烦的话，使用标准的lib ElementTree模块就足够简单了

比如：

import xml.etree.ElementTree as ET
import sys
tree=ET.parse( 'test.xml' )
root=tree.getroot()
rs=root.getchildren()
keys = rs[0].attrib.keys()
for a in keys: sys.stdout.write(a); sys.stdout.write('\t')
sys.stdout.write('\n')
for r in rs:
    assert keys == r.attrib.keys()
    for k in keys: sys.stdout.write( r.attrib[k]); sys.stdout.write('\t')
    sys.stdout.write('\n')

将从python-3生成：

zip m_name  current city    cust_ID l_name  f_name  
00010   OfThe   1   Fairbanks   B123456@Y1996   Jungle  George  
03010   P   1   Yellow River    Q975697@Z2000   Freely  I   
07008       0   Fallen Arches   M7803@J2323 Jungle  Jim 

请注意，对于Python-2.7，属性的顺序将有所不同。 如果希望它们以不同的特定顺序输出，则应排序或 按“键”顺序排列列表

断言正在检查所有行是否具有相同的属性。 如果元素中确实缺少或有不同的属性， 然后，您将不得不删除它并添加一些代码来处理这些差异 并为缺少的值提供默认值。（在示例数据中，您有一个 空值（m_name=“”），而不是缺少的值。您可能需要检查 此输出的使用者是否可以处理此情况，或者添加一些 对于这种情况有更多的特殊处理。

我（也）不会为此使用BeautifulSoup，虽然我喜欢lxml，但这是一个额外的安装，如果您不想麻烦的话，使用标准的lib ElementTree模块就足够简单了

比如：

import xml.etree.ElementTree as ET
import sys
tree=ET.parse( 'test.xml' )
root=tree.getroot()
rs=root.getchildren()
keys = rs[0].attrib.keys()
for a in keys: sys.stdout.write(a); sys.stdout.write('\t')
sys.stdout.write('\n')
for r in rs:
    assert keys == r.attrib.keys()
    for k in keys: sys.stdout.write( r.attrib[k]); sys.stdout.write('\t')
    sys.stdout.write('\n')

将从python-3生成：

zip m_name  current city    cust_ID l_name  f_name  
00010   OfThe   1   Fairbanks   B123456@Y1996   Jungle  George  
03010   P   1   Yellow River    Q975697@Z2000   Freely  I   
07008       0   Fallen Arches   M7803@J2323 Jungle  Jim 

请注意，对于Python-2.7，属性的顺序将有所不同。 如果希望它们以不同的特定顺序输出，则应排序或 按“键”顺序排列列表

断言正在检查所有行是否具有相同的属性。 如果元素中确实缺少或有不同的属性， 然后，您将不得不删除它并添加一些代码来处理这些差异 并为缺少的值提供默认值。（在示例数据中，您有一个 空值（m_name=“”），而不是缺少的值。您可能需要检查 此输出的使用者是否可以处理此情况，或者添加一些

---

对于这种情况有更特殊的处理。

是您在写入文件、在写入文件时格式化数据，还是从结果中获取相关数据时遇到的问题？我认为问题在于分离属性，以便将它们写入输出文件。我已经编辑了代码块以添加输出文件。我应该在一开始就这样做。Tha谢谢你的提醒！你在写入文件、在写入文件时格式化数据或从结果中获取相关数据时有问题吗？我认为问题在于分离属性，以便我可以将它们写入输出文件。我已经编辑了代码块以添加输出文件。我应该在开始时就这样做。谢谢你的menti谢谢！考虑到您所掌握的信息，这很好。我从来没有想到我不是在根级别工作，而是在两级，有时是三级。而且，我对输入文件没有任何控制权，它非常脏。我认为lxml或BeautifulSoup都可以更好地处理这些肮脏的输入。我确信如果我我知道你的方法可以很容易地处理不同的级别。谢谢！考虑到你所掌握的信息，这很有效。我从来没有想到我不是在根级别工作，而是在两个级别，有时是三个级别。此外，我对输入文件没有任何控制权，它非常脏。我认为lxml或BEUtifulSoup可以更好地处理肮脏的输入。我相信，如果我知道的更多，那么您的方法将同样轻松地处理各种级别。