Python 读取 xml 及相关子元素

Question

我有一个具有这种结构的 xml 文件：

<?DOMParser ?> 
<logbook:LogBook xmlns:logbook="http://www/logbook/1.0"  version="1.2">
<product>
    <serialNumber value="764000606"/>
</product>
<visits>
<visit>
    <general>
        <startDateTime>2014-01-10T12:22:39.166Z</startDateTime>
        <endDateTime>2014-03-11T13:51:31.480Z</endDateTime>
    </general>
    <parts>
        <part number="03081" name="WSSA" index="0016"/>
    </parts>
</visit>
<visit>
<general>
    <startDateTime>2013-01-10T12:22:39.166Z</startDateTime>
    <endDateTime>2013-03-11T13:51:31.480Z</endDateTime>
</general>
<parts>
    <part number="02081" name="PSSF" index="0017"/>
</parts>
</visit>
</visits>
</logbook:LogBook>

我想从这个 xml 中得到两个输出：

1-访问包括序列号，所以我写：

import pandas as pd
import xml.etree.ElementTree as ET
tree = ET.parse(filename)
root=tree.getroot()
visits=pd.DataFrame()
for general in root.iter('general'):
    for child in root.iter('serialNumber'):
        visits=visits.append({'startDateTime':general.find('startDateTime').text ,
                  'endDateTime': general.find('endDateTime').text, 'serialNumber':child.attrib['value'] }, ignore_index=True)

此代码的输出是以下数据帧：

serialNumber | startDateTime          | endDateTime            
-------------|------------------------|------------------------|
 764000606   |2014-01-10T12:22:39.166Z|2014-03-11T13:51:31.480Z|
 764000606   |2013-03-11T13:51:31.480Z|2013-01-10T12:22:39.166Z|

2-份

对于 parts，我希望得到以下输出，通过 startDateTime 区分访问，并且我想显示与每次访问相关的部分：

 serialNumber | startDateTime|number|name|index|
 -------------|--------------|------|----|-----|

我写的部分：

parts=pd.DataFrame()
for part in root.iter('part'):
    for child in root.iter('serialNumber'):
            parts=parts.append({'index':part.attrib['index'],
                        'znumber':part.attrib['number'],
                        'name': part.attrib['name'], 'serialNumber':child.attrib['value'], 'startDateTime':general.find('startDateTime').text}, ignore_index=True)

这是我从这段代码中得到的：

 index |name|serialNumber| startDateTime          |znumber|
 ------|----|------------|------------------------|-------|
 0016  |WSSA|  764000606 |2013-01-10T12:22:39.166Z| 03081 |
 0017  |PSSF|  764000606 |2013-01-10T12:22:39.166Z| 02081 |

虽然我想要这个：看看 startDateTime:

 index |name|serialNumber| startDateTime          |znumber|
 ------|----|------------|------------------------|-------|
 0016  |WSSA|  764000606 |2014-01-10T12:22:39.166Z| 03081 |
 0017  |PSSF|  764000606 |2013-01-10T12:22:39.166Z| 02081 |

有什么想法吗？ 我正在使用 XML ElementTree

Answer 1

尝试以下操作，

import xml.dom.minidom as minidom
doc = minidom.parse('filename')
memoryElem = doc.getElementsByTagName('part')[0]

print memoryElem.getAttribute('number')
print memoryElem.getAttribute('name')
print memoryElem.getAttribute('index')

希望对你有所帮助

Answer 2

这是一个从 xml.

获取数据的示例

code.py:

#!/usr/bin/env python3

import sys
import xml.etree.ElementTree as ET
from pprint import pprint as pp


file_name = "a.xml"


def get_product_sn(product_node):
    for product_node_child in list(product_node):
        if product_node_child.tag == "serialNumber":
            return product_node_child.attrib.get("value", None)
    return None


def get_parts_data(parts_node):
    ret = list()
    for parts_node_child in list(parts_node):
        attrs = parts_node_child.attrib
        ret.append({"number": attrs.get("number", None), "name": attrs.get("name", None), "index": attrs.get("index", None)})
    return ret


def get_visit_node_data(visit_node):
    ret = dict()
    for visit_node_child in list(visit_node):
        if visit_node_child.tag == "general":
            for general_node_child in list(visit_node_child):
                if general_node_child.tag == "startDateTime":
                    ret["startDateTime"] = general_node_child.text
                elif general_node_child.tag == "endDateTime":
                    ret["endDateTime"] = general_node_child.text
        elif visit_node_child.tag == "parts":
            ret["parts"] = get_parts_data(visit_node_child)
    return ret


def get_node_data(node):
    ret = {"visits": list()}
    for node_child in list(node):
        if node_child.tag == "product":
            ret["serialNumber"] = get_product_sn(node_child)
        elif node_child.tag == "visits":
            for visits_node_child in list(node_child):
                ret["visits"].append(get_visit_node_data(visits_node_child))
    return ret


def main():
    tree = ET.parse(file_name)
    root_node = tree.getroot()
    data = get_node_data(root_node)
    pp(data)


if __name__ == "__main__":
    print("Python {:s} on {:s}\n".format(sys.version, sys.platform))
    main()

备注:

它以树状方式处理 xml，因此它映射（如果您愿意）在 xml （如果xml结构发生变化，代码也要适配）
它被设计为通用的：get_node_data 可以在有 2 个子节点的节点上调用：product 和 访问次数。在我们的例子中，它是根节点本身，但在现实世界中，可能存在一系列这样的节点，每个节点都有我上面列出的 2 个子节点
它的设计易于出错，所以如果 xml 不完整，它会尽可能多地获取数据；我选择了这种（贪婪的）方法而不是遇到错误时它只是抛出异常的方法
因为我没有使用 pandas，而不是填充对象 我只是 return 一个 Python字典 (json);我认为将其转换为 DataFrame 应该不难
我运行它有 Python 2.7 和 Python 3.5

输出（包含 2 个键的字典）- 缩进以提高可读性：

serialNumber - 序列号（很明显）
visits（因为它是字典，所以我必须将此数据放在 "under" 键中）- 字典列表，每个字典都包含访问节点

输出:

(py_064_03.05.04_test0) e:\Work\Dev\Whosebug\q045049761>"e:\Work\Dev\VEnvs\py_064_03.05.04_test0\Scripts\python.exe" code.py
Python 3.5.4 (v3.5.4:3f56838, Aug  8 2017, 02:17:05) [MSC v.1900 64 bit (AMD64)] on win32

{'serialNumber': '764000606',
 'visits': [{'endDateTime': '2014-03-11T13:51:31.480Z',
             'parts': [{'index': '0016', 'name': 'WSSA', 'number': '03081'}],
             'startDateTime': '2014-01-10T12:22:39.166Z'},
            {'endDateTime': '2013-03-11T13:51:31.480Z',
             'parts': [{'index': '0017', 'name': 'PSSF', 'number': '02081'}],
             'startDateTime': '2013-01-10T12:22:39.166Z'}]}

@EDIT0：添加了多个 part 节点处理，如评论之一所述.该功能已移至 get_parts_data。现在，visits 列表中的每个条目都有一个 parts 键，其值将是一个列表，该列表由从每个 中提取的字典组成part节点（提供的xml不是这种情况）。

Python 读取 xml 及相关子元素

Python read xml with related child elements

python

xml

elementtree

xml-parsing

pandas