Skip to main content
 首页 » 编程设计

Python xml解析etree按位置查找元素X

2024年10月25日9qq号

我正在尝试解析以下 xml 以提取某些数据,然后最终根据需要编辑数据。

这是 xml:

<?xml version="1.0" encoding="UTF-8" standalone="yes"?> 
<CHECKLIST> 
<VULN> 
    <STIG_DATA> 
        <VULN_ATTRIBUTE>Vuln_Num</VULN_ATTRIBUTE> 
        <ATTRIBUTE_DATA>V-38438</ATTRIBUTE_DATA> 
    </STIG_DATA> 
    <STIG_DATA> 
        <VULN_ATTRIBUTE>Rule_Title</VULN_ATTRIBUTE> 
        <ATTRIBUTE_DATA>More text.</ATTRIBUTE_DATA> 
    </STIG_DATA> 
    <STIG_DATA> 
        <VULN_ATTRIBUTE>Vuln_Discuss</VULN_ATTRIBUTE> 
        <ATTRIBUTE_DATA>Some text here</ATTRIBUTE_DATA> 
    </STIG_DATA> 
    <STIG_DATA> 
        <VULN_ATTRIBUTE>IA_Controls</VULN_ATTRIBUTE> 
        <ATTRIBUTE_DATA></ATTRIBUTE_DATA> 
    </STIG_DATA> 
    <STIG_DATA> 
        <VULN_ATTRIBUTE>Rule_Ver</VULN_ATTRIBUTE> 
        <ATTRIBUTE_DATA>Gen000000</ATTRIBUTE_DATA> 
    </STIG_DATA> 
    <STATUS>NotAFinding</STATUS> 
    <FINDING_DETAILS></FINDING_DETAILS> 
    <COMMENTS></COMMENTS>         
    <SEVERITY_OVERRIDE></SEVERITY_OVERRIDE> 
    <SEVERITY_JUSTIFICATION></SEVERITY_JUSTIFICATION> 
</VULN> 

我希望从中提取的数据是 STATUS、COMMENTS 和 VULN_ATTRIBUTE 之后的 ATTRIBUTE_DATA 匹配 == Rule_Ver。所以在这个例子中。

我应该得到以下信息: Gen000000 NotAFinding None

到目前为止,我可以轻松获得状态和评论,但无法弄清楚 ATTRIBUTE_DATA 部分。我可以找到第一个 (Vuln_Num),然后我尝试添加一个索引,但这给出了“列表索引超出范围”错误。

这就是我现在所在的位置。

import xml.etree.ElementTree as ET 
doc = ET.parse('test.ckl') 
root=doc.getroot() 
 
TagList = doc.findall("./VULN") 
 
for curTag in TagList: 
    StatusTag = curTag.find("STATUS") 
    CommentTag = curTag.find("COMMENTS") 
    DataTag = curTag.find("./STIG_DATA/ATTRIBUTE_DATA") 
    print "GEN:[%s] Status:[%s] Comments: %s" %( DataTag.text, StatusTag.text, CommentTag.text) 

这给出了以下输出: GEN:[V-38438] 状态:[NotAFinding] 评论:无

我想要: GEN:[Gen000000] 状态:[NotAFinding] 评论:无

因此,最终目标是能够解析其中的数百个,并根据需要编辑评论字段。一旦获得正确的元素,我认为编辑部分不会那么困难。

从逻辑上讲,我看到有两种方法可以做到这一点。要么转到 ATTRIBUTE_DATA[5] 并获取文本,要么找到 VULN_ATTRIBUTE == Rule_Ver 然后获取下一个 ATTRIBUTE_DATA。

我试过这样做:

DataTag = curTag.find(".//STIG_DATA//ATTRIBUTE_DATA")[5] 和DataTag[5].text`

并且都给我IndexError: list index out of range

我看到 lxml 有 get_element_by_id 和 xpath,但我不能向这个系统添加模块,所以它对我来说是 etree。

提前致谢。

请您参考如下方法:

可以按位置查找元素,但您使用了不正确的 XPath 语法。以下任何一行都应该有效:

DataTag = curTag.find("./STIG_DATA[5]/ATTRIBUTE_DATA")    # Note: 5, not 4 
DataTag = curTag.findall("./STIG_DATA/ATTRIBUTE_DATA")[4] # Note: 4, not 5 

但是,我强烈建议不要使用它。无法保证 STIG_DATA 的 Rule_Ver 实例始终是第五项。

如果您可以更改为 lxml,那么这会起作用:

DataTag = curTag.xpath( 
    './STIG_DATA/VULN_ATTRIBUTE[text()="Rule_Ver"]/../ATTRIBUTE_DATA')[0] 

由于您不能使用lxml,您必须手动迭代STIG_DATA 元素,如下所示:

def GetData(curTag): 
    for stig in curTag.findall('STIG_DATA'): 
        if stig.find('VULN_ATTRIBUTE').text == 'Rule_Ver': 
            return stig.find('ATTRIBUTE_DATA') 

这是一个完整的程序,在 GetData() 中添加了错误检查:

import xml.etree.ElementTree as ET 
doc = ET.parse('test.ckl') 
root=doc.getroot() 
 
TagList = doc.findall("./VULN") 
 
def GetData(curTag): 
    for stig in curTag.findall('STIG_DATA'): 
        vuln = stig.find('VULN_ATTRIBUTE') 
        if vuln is not None and vuln.text == 'Rule_Ver': 
            data = stig.find('ATTRIBUTE_DATA') 
            return data 
 
for curTag in TagList: 
    StatusTag = curTag.find("STATUS") 
    CommentTag = curTag.find("COMMENTS") 
    DataTag = GetData(curTag) 
    print "GEN:[%s] Status:[%s] Comments: %s" %( DataTag.text, StatusTag.text, CommentTag.text) 

引用资料: