我有一个相当大的 xml,我需要从中删除另一个节点中的一些特定节点。 例如我有一个列表,其中包含应该出现在 xml 中的节点名称。因此,除了这些节点之外,父节点中的所有其他节点都应删除并写入新的 xml 文件。
我只需要删除节点,即“Instance”,其中第一个“Data”元素不等于列表中存在的值,我将提供。其余的 xml 信息,即“Description”、“Symbols”标签不应受到干扰。
假设:我已经将应该从外部文件读取的数据解析为python列表变量。
DOM 或 SAX 任何人都适合我。但我相信 DOM 非常快。 对任何 BIF 的可用或逻辑的任何提示对我来说也没有问题。
注意:我是 Python 的新手。因此,如果我的代码有任何问题,请发表评论。
我的代码如下:
from xml.etree.ElementTree import ElementTree
tree = ElementTree()
tree.parse('Test.xml')
file = open("File.txt")
list = []
for lines in file:
list.append(lines)
Instance = tree.findall('Instance')
for i in Instance:
while (i != list[i]):
Instance.remove(i)
tree.write('new.xml')
下面是示例 xml 文件:
<?xml version='1.0' encoding='UTF-8'?>
<Identification>
<Description ID="12">Some text</Description>
</Identification>
<Symbols>
<Name Width="1">abc</Name>
<Name Width="2">def</Name>
</Symbols>
<Instance RowRef="A">
<DataSet>
<Data>12345678</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
</Instance>
<Instance RowRef="B">
<DataSet>
<Data>87654321</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
</Instance>
<Instance RowRef="C">
<DataSet>
<Data>06354237/Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
请您参考如下方法:
你对很多点感到困惑。
首先,您提供的 xml 缺少根标记。您的 xml 文件应该看起来更像这样(其中 Root 可以替换为任何必要的标记):
<?xml version='1.0' encoding='UTF-8'?>
<Root>
<Identification>
<Description ID="12">Some text</Description>
</Identification>
<Symbols>
<Name Width="1">abc</Name>
<Name Width="2">def</Name>
</Symbols>
<Instance RowRef="A">
<DataSet>
<Data>12345678</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
</Instance>
<Instance RowRef="B">
<DataSet>
<Data>87654321</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
</Instance>
<Instance RowRef="C">
<DataSet>
<Data>06354237</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
</Instance>
</Root>
其次,如果您担心速度,请考虑使用cElementTree 而不是ElementTree:
>>> import xml.etree.cElementTree as ET # use cElementTree for faster processing
第三,需要给ET.parse方法的结果起个名字,不然以后就没有办法引用了:
>>> tree = ET.parse('Test.xml')
第四,现在您需要找到该树的根,然后才能找到该树的所有 Instance 元素:
>>> root = tree.getroot() # now get the root
>>> keeper_data = ['06354237', '87654321'] # your list that you will apparently get from a file?
>>> instances = root.findall('Instance')
现在您需要找到 Instance 元素,其 Data 值指示应删除 Instance 元素:
第五,你需要检查第一个Data元素的文本是否在你的keeper列表中,第六,你从 您的元素,而不是从 root(或任何父元素)中移除instances 中移除:
>>> for instance in instances:
data1 = instance.find('./DataSet/Data')
if data1.text not in keeper_data:
# NOTE WELL: I remove from the root (not the instance) below!
root.remove(instance)
现在写入您的新 xml 文件:
>>> tree.write('New.xml')
生成的 xml 文件将如下所示:
<Root>
<Identification>
<Description ID="12">Some text</Description>
</Identification>
<Symbols>
<Name Width="1">abc</Name>
<Name Width="2">def</Name>
</Symbols>
<Instance RowRef="B">
<DataSet>
<Data>87654321</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
</Instance>
<Instance RowRef="C">
<DataSet>
<Data>06354237</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
<DataSet>
<Data>abcd</Data>
</DataSet>
</Instance>
</Root>
请注意,具有值为 12345678 的 Data 元素的 Instance 和其他 keeper_data 元素均未被省略。
