Skip to main content
 首页 » 编程设计

python之使用lxml读取xml并比较元素

2024年11月01日9yjmyzz

我已经尝试在 StackOverflow 上搜索各种问题和答案,但找不到适合我的情况的解决方案,所以这是我的问题。

我尝试比较 3 个 xml 文件。我遇到的问题是一次获取“主”XML 文件的各个部分并将信息保存在一起。例如,我想保留与 1 关联的信息,并能够在脚本中使用每个片段。

此 XML 文件的标签之间可以有任意数量的字段,但我只需要 5 个特定字段。我对 Python 相当陌生,对使用 Python 阅读文本文件以外的内容也非常陌生,我们将不胜感激。

xml 示例如下。

Main XML: 
    <?xml version="1.0" encoding="ISO-8859-1" ?> 
    <resultset table="foo_bar"> 
    <row> 
        <field name="id">1</field> 
        <field name="name">foo 1</field> 
        <field name="item 1">bar 1</field> 
        <field name="item 2">Accepted</field> 
        <field name="item 3">Accepted</field> 
    </row> 
    <row> 
        <field name="id">2</field> 
        <field name="name">foo 2</field> 
        <field name="item 1">bar 2</field> 
        <field name="item 2">Declined</field> 
        <field name="item 3">Accepted</field> 
    </row> 
    <row> 
        <field name="id">3</field> 
        <field name="name">foo 3</field> 
        <field name="item 1">bar 3</field> 
        <field name="item 2">Accepted</field> 
        <field name="item 3">Declined</field> 
    </row> 
    .....Continues 
    </resultset> 

我已经尝试按照类似问题的各种答案进行操作,但到目前为止没有成功。

编辑 我已经尝试了多种方法,我必须深入研究各种 .py 脚本才能找到所有这些方法。这是基于发布的问题的最新信息 here

from lxml import etree as ET 
 
def filter_by_itemid(doc, idlist): 
    rowset = doc.xpath("//row") 
    for elem in rowset.getchildren(): 
        if elem.get("*") not in idlist: 
            rowset.remove(elem) 
    return doc 
 
doc = ET.parse("my.xml") 
filter_by_itemid(doc, ['id', 'name', 'item 1', 'item 2', 'item 3']) 
 
print(ET.tostring(doc)) 

我知道我在某处做错了,而且 xml 的格式(我无法在源代码处更改)没有帮助...

我收到的错误是“AttributeError: 'list' object has no attribute 'getchildren'”

请您参考如下方法:

这样的事情怎么样:

from lxml import etree 
 
root = etree.parse('xml.xml') 
rows = root.findall('row') 
 
all_data = [] 
 
for row in rows: 
    field_dict = {} 
    fields = row.findall('field') 
 
    for field in fields: 
        field_dict[field.get('name')] = field.text 
 
    print(field_dict) 
 
    all_data.append(field_dict) 
 
print(all_data) 
 
 
--output:-- 
{'item 3': 'Accepted', 'item 2': 'Accepted', 'item 1': 'bar 1', 'id': '1', 'name': 'foo 1'} 
{'item 3': 'Accepted', 'item 2': 'Declined', 'item 1': 'bar 2', 'id': '2', 'name': 'foo 2'} 
{'item 3': 'Declined', 'item 2': 'Accepted', 'item 1': 'bar 3', 'id': '3', 'name': 'foo 3'} 
 
 
[{'item 3': 'Accepted', 'item 2': 'Accepted', 'item 1': 'bar 1', 'id': '1', 'name': 'foo 1'}, {'item 3': 'Accepted', 'item 2': 'Declined', 'item 1': 'bar 2', 'id': '2', 'name': 'foo 2'}, {'item 3': 'Declined', 'item 2': 'Accepted', 'item 1': 'bar 3', 'id': '3', 'name': 'foo 3'}] 

可能在一行中的额外字段将在 field_dict 中,但您可以忽略它们。或者,如果这对您不起作用,您可以过滤掉垃圾:

from lxml import etree 
 
root = etree.parse('xml.xml') 
rows = root.findall('row') 
 
#Create a set: 
allowed_names = { 
    'id', 
    'name', 
    'item 1', 
    'item 2', 
    'item 3' 
} 
 
all_data = [] 
 
 
for row in rows: 
    field_dict = {} 
    fields = row.findall('field') 
 
    for field in fields: 
        name_val = field.get('name') 
 
        if name_val in allowed_names: 
            field_dict[name_val] = field.text 
 
    print(field_dict) 
 
    all_data.append(field_dict) 
 
print(all_data) 

如果更方便,您可以将 all_data 定义为字典,并使用 id 作为键,每个键的值可以是包含其余数据的字典。