如何从下面的xml中获取每个雇主标签的收入详细信息?
我一直在尝试解析一个XML文件(我在下面粘贴了最小可复制代码),并为每个雇主代码的所有收入标签获取年份和收入字段的值。请查看以下输出,以便更好地理解我 我想要得到的是:如何从下面的xml中获取每个雇主标签的收入详细信息?,xml,python-3.x,xpath,beautifulsoup,xml-parsing,Xml,Python 3.x,Xpath,Beautifulsoup,Xml Parsing,我一直在尝试解析一个XML文件(我在下面粘贴了最小可复制代码),并为每个雇主代码的所有收入标签获取年份和收入字段的值。请查看以下输出,以便更好地理解我 我想要得到的是: {"1234": [["2006", "12085"], ["2005","23071"], ["2004","21364"]], "5678" : [["2015", "12345"],["2014", "13071"]]} 我一直试图通过多种方式使用elementtree和/或beautifulsoup来处理该文件,最终只
{"1234": [["2006", "12085"], ["2005","23071"], ["2004","21364"]],
"5678" : [["2015", "12345"],["2014", "13071"]]}
我一直试图通过多种方式使用elementtree和/或beautifulsoup来处理该文件,最终只打印以下内容:
我得到的是:
[["2006", "12085"], ["2005","23071"], ["2004",["2015", "12345"],["2014", "13071"]]
我无法根据他们的雇主代码对他们进行分组
附言:我是一个在Stackoverflow发布问题的新手。我希望我符合所有的社区准则。
这就是正在吞噬我大脑的XML:
<DETAILS>
<RESPONSE>
<EMPLOYER>
<EMPLOYERCODE>1234</EMPLOYERCODE>
<NAME1>ABC Service Corporation</NAME1>
</EMPLOYER>
<INCOME>
<YEAR>2006</YEAR>
<TOTAL>12085</TOTAL>
</INCOME>
<INCOME>
<YEAR>2005</YEAR>
<TOTAL>23071</TOTAL>
</INCOME>
<INCOME>
<YEAR>2004</YEAR>
<TOTAL>21364</TOTAL>
</INCOME>
<ID>18700763721</ID>
</RESPONSE>
<RESPONSE>
<EMPLOYER>
<EMPLOYERCODE>5678</EMPLOYERCODE>
<NAME1>DEF Service Corporation</NAME1>
</EMPLOYER>
<INCOME>
<YEAR>2015</YEAR>
<TOTAL>12345</TOTAL>
</INCOME>
<INCOME>
<YEAR>2014</YEAR>
<TOTAL>13071.73</TOTAL>
</INCOME>
<ID>18700763721</ID>
</RESPONSE>
</DETAILS>
1234
ABC服务公司
2006
12085
2005
23071
2004
21364
18700763721
5678
DEF服务公司
2015
12345
2014
13071.73
18700763721
首先重复回答,因为它们包含雇主代码和损益表。然后,它只是把雇主和他们的收入联系起来
xml=''
1234
ABC服务公司
2006
12085
...
...
'''
soup=BeautifulSoup(xml,'html.parser')
雇主={}
对于汤中的res。选择('response'):
emp_code=res.select_one('employeercode')。文本
收入=[]
对于res.select中的收入(“收入”):
年份=收入。选择第一年(“年份”)。文本
总计=收入。选择一个(“总计”)。文本
收入。追加([年度,总额])
雇主[emp_代码]=收入
印刷品(雇主)
输出:
{'1234': [['2006', '12085'], ['2005', '23071'], ['2004', '21364']], '5678': [['2015', '12345'], ['2014', '13071.73']]}
{'1234': [['2006', '12085'], ['2005', '23071'], ['2004', '21364']], '5678': [['2015', '12345'], ['2014', '13071.73']]}
这是此问题的elementtree版本
import xml.etree.ElementTree as ET
tree = ET.parse('_filename_.xml')
root = tree.getroot()
dic ={}
for child in root:
for schild in child:
if schild.tag=='EMPLOYER':
emp=schild[0].text
dic[emp]=[]
if schild.tag=='INCOME':
arr=[]
arr.append(schild[0].text)
arr.append(schild[1].text)
if emp not in dic:
dic[emp]=arr
else:
dic[emp].append(arr)
print(dic)
输出:
{'1234': [['2006', '12085'], ['2005', '23071'], ['2004', '21364']], '5678': [['2015', '12345'], ['2014', '13071.73']]}
{'1234': [['2006', '12085'], ['2005', '23071'], ['2004', '21364']], '5678': [['2015', '12345'], ['2014', '13071.73']]}
您可以利用dict comprehension和beautifulsou'
get_text()方法,然后拆分数据。这将产生非常短的代码:
data = '''<DETAILS>
... your data ...
</DETAILS>'''
from bs4 import BeautifulSoup
soup = BeautifulSoup(data, 'html.parser')
data = {response.select_one('employercode').text: [i.get_text(strip=True, separator='|').split('|') for i in response.select('income')] for response in soup.select('response')}
from pprint import pprint
pprint(data)
谢谢!这正是我想要的。