代码之家 › 专栏 › 技术社区 › dwich

如何使用python从XML中删除元素

xml python

dwich · 技术社区 · 16 年前

我被XML和Python困住了。这项任务很简单,但到目前为止我还不能解决,花了那么长时间。我来这里是想咨询一下如何用几条线来解决这个问题。

谢谢你帮我穿越这棵树。我总是以元素太多或太少而告终。元素可以无限嵌套。举个例子就是一个例子。我会接受任何解决方案,而不是对dom、minidom、sax等挑剔。

我有一个与此类似的XML文件:

<root>
    <elm>
        <elm>Common content</elm>

        <elm xmlns="http://example.org/ns">
            <elm lang="en">Content EN</elm>
            <elm lang="cs">Å¾luÅ¥ouÄkÃ½ konÃÄek</elm>
        </elm>

        <elm xml:id="abc123">Common content</elm>

        <elm lang="en">Content EN</elm>
        <elm lang="cs">Content CS</elm>

        <elm lang="en">
            <elm>Content EN</elm>
            <elm>Content EN</elm>
        </elm>

        <elm lang="cs">
            <elm>Content CS</elm>
            <elm>Content CS</elm>
        </elm>
    </elm>
</root>

我需要的是-解析XML并编写一个新文件。新文件应包含给定语言的所有元素和不包含 lang 属性。

对于“cs”语言,输出文件应包含以下内容:

<root>
    <elm>
        <elm>Common content</elm>

        <elm xmlns="http://example.org/ns">
            <elm lang="cs">Å¾luÅ¥ouÄkÃ½ konÃÄek</elm>
        </elm>

        <elm xml:id="abc123">Common content</elm>

        <elm lang="cs">Content CS</elm>

        <elm lang="cs">
            <elm>Content CS</elm>
            <elm>Content CS</elm>
        </elm>
    </elm>
</root>

如果你能省略 朗 新文件中的属性,更好。但这并不重要。

更新1: 添加了Unicode字符和命名空间属性。

更新2: 使用python 2.5,首选标准库。

3 回复 | 直到 10 年前

Gal Bracha 10 年前

使用 lxml :

import lxml.etree as le

with open('doc.xml','r') as f:
    doc=le.parse(f)
    for elem in doc.xpath('//*[attribute::lang]'):
        if elem.attrib['lang']=='en':
            elem.attrib.pop('lang')
        else:
            parent=elem.getparent()
            parent.remove(elem)
    print(le.tostring(doc))

产量

<root>
    <elm>Common content</elm>

    <elm>
        <elm>Content EN</elm>
        </elm>

    <elm>Common content</elm>

    <elm>Content EN</elm>
    <elm>
        <elm>Content EN</elm>
        <elm>Content EN</elm>
    </elm>

    </root>

Alex Martelli 16 年前

我不知道如何最好地移除 lang 属性,但这里有一些代码可以进行其他更改(python 2.7;对于2.5或2.6,使用 getIterator 而不是 iter ,假定在删除元素时,也始终希望删除该元素中包含的所有内容。

这段代码只是将结果打印到标准输出(当然,您可以根据自己的意愿将其重定向,或者直接将其写入一些新文件,等等):

import sys
from xml.etree import cElementTree as et

def picklang(path, lang='en'):
    tr = et.parse(path)
    for element in tr.iter():
        for subelement in element:
            la = subelement.get('lang')
            if la is not None and la != lang:
                element.remove(subelement)
    return tr

if __name__ == '__main__':
    tr = picklang('la.xml')
    tr.write(sys.stdout)
    print

用 la.xml 作为你的例子,这写道

<root>
    <elm>Common content</elm>

    <elm>
        <elm lang="en">Content EN</elm>
        </elm>

    <elm>Common content</elm>

    <elm lang="en">Content EN</elm>
    <elm lang="en">
        <elm>Content EN</elm>
        <elm>Content EN</elm>
    </elm>

    </root>

bhuvi 10 年前

更新@alex martelli的代码以删除元素列表更新到位的bug。如果输入稍微复杂一点,上面的解决方案会给出错误的答案。

import sys
from xml.etree import cElementTree as et

def picklang(path, lang='en'):
    tr = et.parse(path)
    for element in tr.iter():
        for subelement in element[:]:
            la = subelement.get('lang')

            if la is not None and la != lang:
                element.remove(subelement)
    return tr

if __name__ == '__main__':
    tr = picklang('la.xml')
    tr.write(sys.stdout)
    print

第7行代码 for subelement in element: 改为 for subelement in element[:]: 因为在遍历列表时不正确地就地更新列表。

此代码迭代元素列表的副本,并在lang时删除元素!=原始元素列表中的“en”。