Python: 解析一个XML文件，一个节点有多个属性

Question

我在编程方面还是个新手，但我知道一些 Python 并且总体上熟悉 XPath 和 XML。目前我正在处理一些看起来像这样的 XML 数据：

<foo>
  <bar>
      <unit>
          <structure>
              <token word="Rocky" att1="noun" att2="name">Rocky</token>
              <token word="the" att1="article" att2="">the</token>
              <token word="yellow" att1="adjective" att2="color">yellow</token>
              <token word="dog" att1="noun" att2="animal">dog</token>
          </structure>
      </unit>
  </bar>
</foo>

现在我要做的就是先找到一个属性值，让我们取

<token word="dog" att1="noun"att2="animal"</token>

举个例子。因此，在文档中的所有结构中，我想首先找到所有具有 animal 作为 att2 值的节点，然后获取所有的兄弟节点将该节点放入列表中。因为每个节点都有几个属性，所以我试图将它们中的每一个都包含到一个不同的列表中，也就是说，从具有 animal[=27 的结构中的所有属性中列出一个列表=] 在其孩子的 att2 值之一中。例如：

listWord = [Rocky, the, yellow, dog] listAtt1 = [noun, article, adjective, noun] listAtt2 = [name, ,color, animal]

目前我只是想知道这是否可能。到目前为止，我只是设法用属性结构撞墙，更不用说空值了。

Answer 1

包含结束令牌标签，并假设您的文本包含在 test.xml 中，以下内容：

import xml.etree.ElementTree

e = xml.etree.ElementTree.parse('test.xml').getroot()

listWord = []
listAtt1 = []
listAtt2 = []

for child in e.iter('token'):
    listWord.append(child.attrib['word'])
    listAtt1.append(child.attrib['att1'])
    listAtt2.append(child.attrib['att2'])

print listWord
print listAtt1
print listAtt2

将return:

['Rocky', 'the', 'yellow', 'dog']
['noun', 'article', 'adjective', 'noun']
['name', '', 'color', 'animal']

e.iter() 允许您迭代 e 作为根及其下方的元素 - 我们将 token 的标签指定为仅 return token 元素. child.attrib return 是一个属性字典，我们将其附加到列表中。

编辑：对于你问题的第二部分，我认为以下内容（虽然可能不是最佳实践）将满足你的要求：

import xml.etree.ElementTree

e = xml.etree.ElementTree.parse('test.xml').getroot()

listWord = []
listAtt1 = []
listAtt2 = []
animal_structs =[]

for structure in e.iter('structure'):
    for child in structure.iter('token'):
        if 'att2' in child.keys():
            if child.attrib['att2'] == 'animal':
                animal_structs.append(structure)
                break

for structure in animal_structs:
    for child in structure.iter('token'):
        listWord.append(child.attrib['word'])
        listAtt1.append(child.attrib['att1'])
        listAtt2.append(child.attrib['att2'])

print listWord
print listAtt1
print listAtt2

我们首先创建一个包含所有 structure 元素和 animal 子元素的列表，然后 return 每个结构的所有 then 属性。

Answer 2

我不确定我理解你的问题，但以下是我理解的部分（使用 lxml 和 xpath）：

from lxml import etree
tree = etree.fromstring("""<foo>
  <bar>
      <unit>
          <structure>
              <token word="Rocky" att1="noun" att2="name"></token>
              <token word="the" att1="article" att2=""></token>
              <token word="yellow" att1="adjective" att2="color"></token>
              <token word="dog" att1="noun" att2="animal"></token>
          </structure>
      </unit>
  </bar>
</foo>""")


// get a list of all possible words, att1, att2:
listWord = tree.xpath("//token/@word")
listAtt1 = tree.xpath("//token/@att1")
listAtt2 = tree.xpath("//token/@att2")

// get all the tokens with att2="animal"
for token in tree.xpath('//token[@att2="animal"]'):
    do_your_own_stuff()

Python: 解析一个XML文件，一个节点有多个属性

Python: Parsing an XML file with several attributes in one node

python

xml

xpath

elementtree