使用 Python 查找和转换 XML 处理指令

Question

我们正在将古老的 FrameMaker 文档转换为 XML。我的工作是转换这个：

<?FM MARKER [Index] foo, bar ?>`

对此：

<indexterm>
    <primary>foo, bar</primary>
</indexterm>

我不担心那部分（还）；令我感到困惑的是 ProcessingInstruction 遍及整个文档并且可能在任何元素下，因此我需要能够搜索整个树，找到它们，然后处理它们。我不知道如何使用 minidom 遍历整个 XML 树。我是否遗漏了一些秘密 method/iterator？这是我到目前为止所看到的：

Elementtree 有出色的 Element.iter() 方法，这是一个 depth-first 搜索，但它不处理 ProcessingInstructions。
ProcessingInstructions 没有标签名称，所以我无法使用 minidom 的 getElementsByTagName.
[= 搜索它们44=]
xml.sax的ContentHandler.processingInstruction好像只用来创建ProcessingInstructions.

如果没有创建我自己的 depth-first 搜索算法，有没有办法在 XML 文件中生成 ProcessingInstruction 的列表，或者识别他们的 parents ？

Answer 1

像这样使用 lxml 模块的 XPath API:

from lxml import etree

foo = StringIO('<foo><bar></bar></foo>')
tree = etree.parse(foo)
result = tree.xpath('//processing-instruction()')

The node test processing-instruction() is true for any processing instruction. The processing-instruction() test may have an argument that is Literal; in this case, it is true for any processing instruction that has a name equal to the value of the Literal.

参考资料

使用 Python 查找和转换 XML 处理指令

Finding and converting XML processing instructions using Python

python

xml

elementtree

minidom

processing-instruction