Skip to main content
 首页 » 编程设计

Python:在 xml 中,如何删除父节点中的节点

2024年10月25日11tuyile006

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 root(或任何父元素)中移除您的元素,而不是从 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。