使用 Python xml.sax 解析 XML 文件时缺少字符串

Question

我正在尝试使用 Python 2.7

解析 XML 文件

这是我正在使用的 XML 文件：

<NS:Member>
<NS:Area fid='120410'>
<NS:Code>10021</NS:Code>
<NS:version>4</NS:version>
<NS:versionDate>2004-03-29</NS:versionDate>
<NS:theme>Buildings</NS:theme>
<NS:Value>42.826432</NS:Value>
<NS:changeHistory>
    <NS:changeDate>2002-09-26</NS:changeDate>
    <NS:reasonForChange>New</NS:reasonForChange>
</NS:changeHistory>
<NS:changeHistory>
    <NS:changeDate>2003-10-24</NS:changeDate>
    <NS:reasonForChange>Attributes</NS:reasonForChange>
</NS:changeHistory>
<NS:changeHistory>
    <NS:changeDate>2004-03-18</NS:changeDate>
    <NS:reasonForChange>Attributes</NS:reasonForChange>
</NS:changeHistory>
<NS:Group>Building</NS:Group>
<NS:make>Manmade</NS:make>
<NS:Level>50</NS:Level>
<NS:polygon>
    <NS2:Polygon srsName='NS2:BNG'>
    <NS2:Boundary>
        <NS2:LinearRing>
            <NS2:coordinates>383415.110,400491.900 383411.090,400485.570 383415.500,400482.770 383420.430,400490.530 383418.780,400491.580 383417.930,400490.240 383415.160,400491.980 383415.110,400491.900 
            </NS2:coordinates>
        </NS2:LinearRing>
    </NS2:Boundary>
    </NS2:Polygon>
</NS:polygon></NS:Area>
</NS:Member>

我只对 XML 文件中的 ID、Group、make 和 coordinates 部分感兴趣。

我使用的代码是：

import xml.sax

class MyHandler(xml.sax.ContentHandler):
    
    def __init__(self):
        self.__CurrentData = ""
        self.__ID = ""
        self.__Group = ""
        self.__make = ""
        self.__coordinates = []
        self.__coordString = ""
        
        
    def startElement(self, tag, attributes):
        self.__CurrentData = tag
        if tag == "NS:Area":
            self.__ID = attributes["fid"]
            print "ID: ", self.__ID
                           
            
    def endElement(self, tag):
        if self.__CurrentData == "NS:Group":
            print "Group: ", self.__Group
            
        elif self.__CurrentData == "NS:make":
            print "Make: ", self.__make
                                
        elif self.__CurrentData == "NS2:coordinates":
            print "coordinates: ", self.__coordString
                                
        self.__CurrentData = ""
        
            
    def characters(self, content):
        if self.__CurrentData == "NS:Area":
            self.__ID = content
        elif self.__CurrentData == "NS:Group":
            self.__Group = content
        elif self.__CurrentData == "NS:make":
            self.__make = content
        elif self.__CurrentData == "NS2:coordinates":
            self.__coordString = content

我希望看到如下输出：

ID: 120410

Group: Building

Make: Manmade

coordinates: 383415.110,400491.900 383411.090,400485.570 383415.500,400482.770 383420.430,400490.530 383418.780,400491.580 383417.930,400490.240 383415.160,400491.980 383415.110,400491.900

然而，我得到的是：

ID: 120410

Group: Building

Make: Manmade

coordinates:

缺少坐标并被一串空格替换。

我可以知道我的代码有什么问题吗？

非常感谢。

Answer 1

您无法使用您的方法正确读取子标签中的内容，而您的 coordinates 内容正是在该位置找到的。我会推荐一个 DOM 类型的解析器 （我个人喜欢 lxml ） 而不是你正在使用的解析器，因为它将大大简化你的这项任务，因为它跟踪标记元素之间的关系，但我可以详细说明在当前解析器中处理此问题必须实现的内容。

为此，您需要编写一个 startElement() 处理程序，当它看到 <parent> 标记时发出一个标志，并在您到达结束标记时 endElement() 停止该标志。然后 startElement() 处理程序必须在标志升起时看到所有标签。您必须在代码中实现的基本框架如下所示。

class SaxwithParentChilds(handler.ContentHandler):

    def __init__(self):
        self.parentflag = False
        self.childlist  = []

    def startElement(self, name, att):
        if name == "parent":
           self.parentflag = True
        elif self.parentflag:
           self.childlist.append(name)

    def endElement(self, name ):
        if name == "parent":
            self.parentflag = False

Answer 2

全部

感谢您的帮助。

我才弄明白是怎么回事，原来是因为数据文件没有对齐。事实证明 </NS2:coordinates> 应该紧挨着坐标的末尾，而不是在新的一行中。

希望这可以帮助其他遇到同样问题的人。

使用 Python xml.sax 解析 XML 文件时缺少字符串

Missing string using Python xml.sax to parse XML file

python

xml

parsing

sax