尝试使用lxml.etree.iterparse函数解析以下Python文件。
“sampleoutput.xml”
<item>
<title>Item 1</title>
<desc>Description 1</desc>
</item>
<item>
<title>Item 2</title>
<desc>Description 2</desc>
</item>
我尝试了Parsing Large XML file with Python lxml and Iterparse
中的代码在etree.iterparse(MYFILE)调用之前我做了MYFILE = open(“/ Users / eric / Desktop / wikipedia_map / sampleoutput.xml”,“r”)
但是它出现了以下错误
Traceback (most recent call last):
File "/Users/eric/Documents/Programming/Eclipse_Workspace/wikipedia_mapper/testscraper.py", line 6, in <module>
for event, elem in context :
File "iterparse.pxi", line 491, in lxml.etree.iterparse.__next__ (src/lxml/lxml.etree.c:98565)
File "iterparse.pxi", line 543, in lxml.etree.iterparse._read_more_events (src/lxml/lxml.etree.c:99086)
File "parser.pxi", line 590, in lxml.etree._raiseParseError (src/lxml/lxml.etree.c:74712)
lxml.etree.XMLSyntaxError: Extra content at the end of the document, line 5, column 1
任何想法?谢谢!
答案 0 :(得分:11)
问题是,如果XML没有一个顶级标记,那么XML格式不正确。您可以通过将整个文档包装在<items></items>
标记中来修复示例。您还需要<desc/>
标记来匹配您正在使用的查询(description
)。
以下文档使用现有代码生成正确的结果:
<items>
<item>
<title>Item 1</title>
<description>Description 1</description>
</item>
<item>
<title>Item 2</title>
<description>Description 2</description>
</item>
</items>
答案 1 :(得分:4)
据我所知,xml.etree.ElementTree通常希望XML文件包含一个“root”元素,即一个包含完整文档结构的XML标记。从您发布的错误消息中我会假设这也是问题所在:
'Line 5'指的是第二个<item>
标签,所以我猜Python抱怨假定的根元素(即第一个<item>
标签)关闭后会有更多的数据。