Python：从 xml 中的子属性获取父属性

Question

我有一个XMLarea.xml

<area>
<controls>
    <internal>yes</internal>
</controls>
<schools>
    <school id="001"/>
    <time>2020-05-18T14:21:00Z</time>
    <venture index="5">
        <venture>
            <basicData type="class">
                <wage numberOfDollars="13" Correction="4.61">
                    <tax>70</tax>
                </wage>
            </basicData>
        </venture>
    </venture>
    <venture index="9">
        <venture>
            <basicData type="class">
                <wage numberOfDollars="13" Correction="5.61">
                    <tax>70</tax>
                </wage>
            </basicData>
        </venture>
    </venture>
    <school id="056"/>
    <time>2020-05-18T14:21:00Z</time>
    <venture index="5">
        <venture>
            <basicData type="class">
                <wage numberOfDollars="13">
                    <tax>70</tax>
                </wage>
            </basicData>
        </venture>
    </venture>
    <venture index="9">
        <venture>
            <basicData type="class">
                <wage numberOfDollars="13">
                    <tax>70</tax>
                </wage>
            </basicData>
        </venture>
    </venture>
</schools>

我想用Python实现的目标：在学校节点中有多个工资节点（叶子）。如果工资节点（休假）（1 个或多个）有一个名为 Correction 的属性，我想要学校节点的属性值。

所以我脚本的结果应该是：001 因为这所学校在工资节点中有属性 Correction(leave)

首先我使用 ETree 进行了尝试

import xml.etree.ElementTree as ET
data_file = 'area.xml'
tree = ET.parse(data_file)
root = tree.getroot()


t1 = "school"
t2 = "wage"

for e1, e2 in zip(root.iter(t1), root.iter(t2)):
    if hasattr(e2,'Correction'):
        e2.Correction
        print (e1.attrib['id'])

但这没有用。现在我正在尝试使用 minidom 实现我的目标但是我觉得很难。

到目前为止，这是我的代码：

from xml.dom import minidom

doc = minidom.parse("area.xml")

staffs = doc.getElementsByTagName("wage")
for wage in staffs:
        sid = wage.getAttribute("Correction")

        print("wage:%s" %
              (sid))

输出给出工资属性的所有值更正：

wage:4.61
wage:5.61
wage:
wage:

这显然是不正确的。

我可以使用一些帮助让我朝着正确的方向前进

我正在使用 python 3

提前谢谢你

Answer 1

这里有一个不太聪明的方法。

from simplified_scrapy import SimplifiedDoc, req, utils
html = utils.getFileContent("area.xml")
doc = SimplifiedDoc(html)
schools = doc.selects('school') # Get all schools
n = len(schools)
i = 0
while i < n - 1:
    school = schools[i]
    school1 = schools[i + 1]
    h = doc.html[school._end:school1._start] # Get data between two schools
    staffs = doc.getElementsByReg(' Correction="', tag='wage', html=h)
    if staffs:
        print(school.id, staffs.Correction)
    i += 1

last = schools[n - 1]
h = doc.html[last._end:]
staffs = doc.getElementsByReg(' Correction="', tag='wage', html=h)
if staffs:
    print(last.id, staffs.Correction)

结果：

001 ['4.61', '5.61']

Answer 2

in a school node there are multiple wage nodes

不是真的。 school 元素为空。 venture 兄弟姐妹有 wage 个后代。由于 wage 不是 school 的后代，因此 select 对应的 school.

有点棘手

如果您可以使用 lxml you could use XPath 到 select 具有 Correction 属性的 wage 元素，然后 select 前面的第一个 school 元素并获取其 id 属性...

from lxml import etree

tree = etree.parse("area.xml")

schools_with_corrected_wages = set()

for corrected_wage in tree.xpath(".//wage[@Correction]"):
    schools_with_corrected_wages.add(corrected_wage.xpath("preceding::school[1]/@id")[0])

print(schools_with_corrected_wages)

这会打印：

{'001'}

您还可以使用 lxml 来处理 XML 和 XSLT...

XSLT 1.0 (test.xsl)

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <xsl:output method="text"/>
  <xsl:strip-space elements="*"/>

  <xsl:key name="corrected_wage_by_school" match="wage[@Correction]" use="preceding::school[1]/@id"/>

  <xsl:template match="/">
    <xsl:for-each select="//school[key('corrected_wage_by_school',@id)]">
      <xsl:value-of select="concat(@id,'&#xA;')"/>
    </xsl:for-each>
  </xsl:template>

</xsl:stylesheet>

Python

from lxml import etree

tree = etree.parse("area.xml")        
xslt = etree.parse("test.xsl")
result = tree.xslt(xslt)

print(result)

这会打印...

Python：从 xml 中的子属性获取父属性

Python: Getting parent attribute from child attribute in xml

xml

elementtree

minidom

python-3.x