如何（手动）编辑元素树的 xml 格式

Question

假设我有 2 个这样的 XML 文件：

version1.xml:

<object>
    <name>boat</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <bndbox>
        <xmin>0</xmin>
        <ymin>434</ymin>
        <xmax>152</xmax>
        <ymax>504</ymax>
    </bndbox>
</object>

version2.xml:

<object><name>boat</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>0</xmin><ymin>434</ymin><xmax>152</xmax><ymax>504</ymax></bndbox></object>

它们之间的唯一区别是空格，这使得第一个更易于阅读。我正在尝试找到如何将第二种格式转换为第一种格式。

我知道我可以使用一些解决方法，比如使用这个 GitHub gist 中的这个函数（我在其他场合也有）：

from xml.dom import minidom
from xml.etree import ElementTree


def prettify(elem):
    """
    Return a pretty-printed XML string for the Element.
    """
    rough_string = ElementTree.tostring(elem, 'utf-8')
    reparsed = minidom.parseString(rough_string)
    return reparsed.toprettyxml(indent='  ')

但我不是在寻找这个（我的需要涉及部分格式化的 XML，它不能完美地与上述功能一起使用）。

如果我检查每个元素的文本差异，我会得到：

import xml.etree.ElementTree as ET

xml_path1 = 'path/to/version1.xml'
xml_path2 = 'path/to/version2.xml'
tree1 = ET.parse(xml_path1)
annot1 = tree1.getroot()
tree2 = ET.parse(xml_path2)
annot2 = tree2.getroot()

for elem1, elem2 in zip(annot1.iter(), annot2.iter()):
    if repr(elem1.text) != repr(elem2.text):
        print(elem1, repr(elem1.text), elem2, repr(elem2.text))

输出：

<Element 'object' at 0x7fb26fc2d9f8> '\n\t' <Element 'object' at 0x7fb1c4e4da48> None
<Element 'bndbox' at 0x7fb1c4e4d8b8> '\n\t\t' <Element 'bndbox' at 0x7fb1c4e4dbd8> None

如果我将指定的文本更改为相应的 version1 文本，当然，它确实会将格式更改为受影响的元素，但它。

ET.dump(annot2)

输出：

<object>
    <name>boat</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox>
        <xmin>0</xmin><ymin>434</ymin><xmax>152</xmax><ymax>504</ymax></bndbox></object>

所需的输出当然是：

ET.dump(annot1)

输出：

<object>
    <name>boat</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <bndbox>
        <xmin>0</xmin>
        <ymin>434</ymin>
        <xmax>152</xmax>
        <ymax>504</ymax>
    </bndbox>
</object>

那么，格式化有什么用呢？我知道它实际上并不影响 XML 的内容（机器认为内容与我认为的相同）但是 Element Tree 保存此信息的位置让我望而却步。

是否有任何（困难且可能效率不高的）方法来控制 XML?
为什么一些包含实际值的元素，如 xmin 在我的例子中只显示这个值并隐藏格式文本，而其他像 bndbox 这样实际上封装了其他子元素的元素确实显示这些格式化字符串？

Answer 1

缺少的空格在 Element.tail (docs) 中。

生成输出时，ElementTree 打印起始元素、内容、结束元素，然后是尾部。

这里有一个设置子树格式的技巧（并保留文档的其余部分）：

使用上面的技巧漂亮地打印子树
转换为字符串
将字符串中的"\n"替换为"\n" + (" "*level)，其中level是子树的深度。
用ETree将字符串解析成文档，并用新文档的根元素替换子树。

或者，您可以通过将子树包装在 level 包装器元素中来创建一个新文档，漂亮地打印整个文档，然后再次找到子树。

如何（手动）编辑元素树的 xml 格式

How can (manually) edit the xml format of element tree

python

elementtree