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。
