Question

我正在尝试构建一个python脚本，该脚本将接收XML文档并从中删除所有注释块。

我尝试了以下几点：

tree = ElementTree()
tree.parse(file)
commentElements = tree.findall('//comment()')

for element in commentElements:
    element.parentNode.remove(element)

这样做会产生python的奇怪错误：“KeyError：'（）'

我知道有很多方法可以使用其他方法（比如sed）轻松编辑文件，但我必须在python脚本中完成。

Answer 1

comment()是ElementTree不支持的XPath节点测试。

您可以将comment()与 lxml 一起使用。这个库与ElementTree非常相似，它完全支持XPath 1.0。

以下是使用lxml删除注释的方法：

from lxml import etree

XML = """<root>
  <!-- COMMENT 1 -->
  <x>TEXT 1</x>
  <y>TEXT 2 <!-- COMMENT 2 --></y>
</root>"""

tree = etree.fromstring(XML)

comments = tree.xpath('//comment()')

for c in comments:
    p = c.getparent()
    p.remove(c)

print etree.tostring(tree)

输出：

<root>
  <x>TEXT 1</x>
  <y>TEXT 2 </y>
</root>

Answer 2

使用lxml.etree

中的strip_tags（）

from lxml import etree
XML = """<root>
  <!-- COMMENT 1 -->
  <x>TEXT 1</x>
  <y>TEXT 2 <!-- COMMENT 2 --></y>
  </root>"""

tree = etree.fromstring(XML)
print etree.tostring(tree)
etree.strip_tags(tree,etree.Comment)
print etree.tostring(tree)

输出：

<root>
<!-- COMMENT 1 -->
<x>TEXT 1</x>
<y>TEXT 2 <!-- COMMENT 2 --></y>
</root>
<root>

<x>TEXT 1</x>
<y>TEXT 2 </y>
</root>

Answer 3

与

相同

https://stackoverflow.com/a/3317008/1458574

from lxml import etree
import sys

XML = open(sys.argv[1]).read()
parser =  etree.XMLParser(remove_comments=True)
tree= etree.fromstring(XML, parser = parser)
print etree.tostring(tree)

Answer 4

这是我使用minidom实现的解决方案：

 def removeCommentNodes(self):
        for tag in self.dom.getElementsByTagName("*"):
            for n in tag.childNodes:
                if n.nodeType is dom.Node.COMMENT_NODE:
                    n.parentNode.removeChild(n)

在实践中，我首先检索xml中的所有标记，然后对于每个标记，我查找注释节点，如果找到，我将其删除。（self.dom是对解析的xml的引用）

Python脚本从XML文件中删除所有注释

4 个答案: