Question

我搜索了很久，并尝试了很多！但我无法让这个完全容易的场景开放。我需要说我是一个python新手，但是一个非常好的bash编码器; o）我已经用python编写了一些代码但也许有很多我需要学习但所以不要对我太苛刻; o）我我愿意学习并阅读python文档和许多例子，并且我自己尝试了很多但是现在我正处于黑暗中挑选的地方..

我解析以XML格式提供的内容。它大约20-50 MB。我的XML示例：

<MAIN>
  <NOSUBEL>abcd</NOSUBEL>
  <NOSUBEL2>adasdasa</NOSUBEL2>
  <MULTISUB>
    <WHATEVER>
      <ANOTHERSUBEL>
        <ANOTHERONE>
          (how many levels can not be said / can change)
        </ANOTHERONE>
      </ANOTHERSUBEL>
     </WHATEVER>
   </MULTISUB>..
   <SUBEL2>
     <FOO>abcdefg</FOO>
   </SUBEL2>
   <NOSUBEL3>abc</NOSUBEL3>
   ... 
   and so on 
</MAIN>

这是解析它的主要部分（如果你需要更多细节请问）：

from lxml import etree
resp = my.request(some call args)
xml = etree.XML(resp)

for element in xml.findall(".//MAIN"):

   # this works fine but is not generic enough:   
   my_dict = OrderedDict()
   for only1sub in element.iter(tag="SUBEL2"):
        for i in only1sub:
            my_dict[i.tag] = i.text

这只适用于1个子元素，但这意味着我需要知道树中的哪一个有子元素，哪些不是。这可能在将来发生变化或被添加。另一个问题是MULTISUB。使用上面的代码，我只能解析到第一个标记。

目标

我想要实现的目标是 - 充其量：

A）有一个函数/代码片段能够解析整个XML内容，如果有子元素（例如“if len（x）”或其他），则解析到下一个级别，直到达到一个级别没有子元素/树。然后继续B）

B）对于找到的每个没有子元素的XML标签，我想用标签名称和标签文本更新字典。

C）我想为所有可用元素执行此操作 - 标记和直接子标记名称（例如“NOSUBEL2”或“MULTISUB”）将不更改（通常），因此它将是好吧，可以将它们作为解析的起点。

到目前为止，我尝试过连接几个循环，例如for和while，以及再次等等，但没有一个完全成功。我也潜入python生成器，因为我认为我可以使用next（）函数做一些事情，但也没有。但是我可能还没有正确使用它们的知识，所以我很高兴每个答案..

最后，我需要的东西是如此容易，我相信。我只想让标签名称和标签内容中的键值对不能那么难？任何帮助非常感谢..

你能帮我实现这个目标吗？

（已经感谢读到这里了！）

Answer 1

您正在寻找的是recursion - 一种在程序中运行程序的技术，但是针对原始问题的子问题。在这种情况下：或者，对于某个元素的每个子元素运行此过程（如果有子元素）或使用元素的标记名称和文本更新字典。

我假设最后你有兴趣让字典（OrderedDict）包含整个元素树叶子的“平面表示”（没有子元素的节点）标签名称/文本值，在你的情况下，打印out，看起来像这样：

OrderedDict([('NOSUBEL', 'abcd'), ('NOSUBEL2', 'adasdasa'), ('ANOTHERONE', '(how many levels can not be said / can change)'), ('FOO', 'abcdefg'), ('NOSUBEL3', 'abc')])

通常，您将定义一个函数，该函数将使用您的部分数据调用自身（在这种情况下：子元素，如果有的话）或执行某些操作（在这种情况下：更新一些字典实例）。

由于我不知道my.request调用背后的细节，我已经通过从包含有效XML的字符串解析而取而代之，基于您提供的那个。只需替换构造tree对象。

resp = """<MAIN> <NOSUBEL>abcd</NOSUBEL> <NOSUBEL2>adasdasa</NOSUBEL2> <MULTISUB> <WHATEVER> <ANOTHERSUBEL> <ANOTHERONE>(how many levels can not be said / can change)</ANOTHERONE> </ANOTHERSUBEL> </WHATEVER> </MULTISUB> <SUBEL2> <FOO>abcdefg</FOO> </SUBEL2> <NOSUBEL3>abc</NOSUBEL3> </MAIN>""" from collections import OrderedDict from lxml import etree def update_dict(element, my_dict): # lxml defines "length" of the element as number of its children. if len(element): # If "length" is other than 0. for subelement in element: # That's where the recursion happens. We're calling the same # function for a subelement of the element. update_dict(subelement, my_dict) else: # Otherwise, subtree is a leaf. my_dict[element.tag] = element.text if __name__ == "__main__": # Change/amend it with your my.request call. tree = etree.XML(resp) # That's a <MAIN> element, too. my_dict = OrderedDict() # That's the first invocation of the procedure. We're passing entire # tree and instance of dictionary. update_dict(tree, my_dict) print(my_dict) # Just to see that dictionarty was filled with values.

如您所见，我没有在代码中使用任何标记名称（当然，除了XML源代码之外）。

我还添加了collections的遗失导入。

Python：解析XML自动添加所有键/值对

1 个答案: