使用 python 读取多个目录下的所有 XML 个文件

Question

我正在通过 Jupyter 笔记本使用 Pandas。我有 10 个 XML 个文件，它们存储在多个位置。例如：

./A/1.xml
./A/2.xml
./A/3.xml
./B/4.xml
./B/5.xml
./B/6.xml

如何加载所有这些文件，以便在每个文件中提取三个特定元素，例如 id、name 和 hypothesis？

我在问题的加载方面需要帮助。仅供参考，如果我对每个文件执行以下操作，则上面使用的路径有效：

from lxml import etree
ltree = etree.parse("./100/A/1.xml")

我更喜欢使用 BeautifulSoup 的解决方案，但是 lxml 或 ElementTree 也很好。

XML 文档的结构是：

<?xml version="1.0" encoding="UTF-8"?>
<pub-ref>
<doc-id>
<country>US</country>
<doc-num>05040672</doc-num>
<date>20090219</date>
</doc-id>
</pub-ref>
<app-ref>
<doc-id>
<country>US</country>
<doc-num>111324</doc-num>
<date>20100919</date>
</doc-id>
</app-ref>

Answer 1

使用 glob 获取与您的模式匹配的所有文件的列表：

import glob
import os
from lxml import etree

dir = '/path/to/the/parent/directory/'
for file in glob.iglob(os.path.join(dir, '*/*.xml')):
   with open(file) as f:
      data = etree.parse(f)

使用 python 读取多个目录下的所有 XML 个文件

Read all XML files under multiple directories using python

python

xml

lxml

beautifulsoup

elementtree