在 Python 3 中使用 XPath 解析 XML答案

【问题标题】：Parsing XML with XPath in Python 3在 Python 3 中使用 XPath 解析 XML
【发布时间】：2022-01-01 01:09:36
【问题描述】：

我有以下 xml：

<document>
  <internal-code code="201">
    <internal-desc>Biscuits Wrapped</internal-desc>
    <top-grouping>Finished</top-grouping>
    <web-category>Biscuits</web-category>
    <web-sub-category>Biscuits (Wrapped)</web-sub-category>
  </internal-code>
  <internal-code code="202">
    <internal-desc>Biscuits Sweet</internal-desc>
    <top-grouping>Finished</top-grouping>
    <web-category>Biscuits</web-category>
    <web-sub-category>Biscuits (Sweets)</web-sub-category>
  </internal-code>
  <internal-code code="221">
    <internal-desc>Biscuits Savoury</internal-desc>
    <top-grouping>Finished</top-grouping>
    <web-category>Biscuits</web-category>
    <web-sub-category>Biscuits For Cheese</web-sub-category>
  </internal-code>
  ....
</document>

我已使用以下代码将其加载到树中：

try:
  groups = etree.parse(PRODUCT_GROUPS_XML_FILEPATH)
  root = groups.getroot()
  internalGroup = root.findall("./internal-code")
  LOG.append("[INFO] product groupings file loaded and parsed ok")
except Exception as e:
  LOG.append("[ERROR] PRODUCT GROUPINGS XML FILE ACCESS PROBLEM")
  LOG.append("[***TERMINATED***]")
  writelog()
  exit()

我想使用 XPath 找到正确的，然后能够访问该组的子节点。因此，如果我正在搜索内部代码 221 并想要网络类别，我会执行以下操作：

internalGroup.find("internal-code", 221).get("web-category").text

我没有使用 XML 和 Python 的经验，而且我多年来一直在关注它。非常感谢所有帮助。谢谢

【问题讨论】：

lxml.de/extensions.html

标签： python xml

【解决方案1】：

根据xml.etree.ElementTree 文档：

XPath 支持

此模块为 XPath 表达式提供有限支持 在树中定位元素。目标是支持一小部分缩写语法；完整的 XPath 引擎不在模块。

使用lxml:

>>> import lxml.etree as ET
>>>
>>> s = '''
... <document>
...   <internal-code code="201">
...     <internal-desc>Biscuits Wrapped</internal-desc>
...     <top-grouping>Finished</top-grouping>
...     <web-category>Biscuits</web-category>
...     <web-sub-category>Biscuits (Wrapped)</web-sub-category>
...   </internal-code>
...   <internal-code code="202">
...     <internal-desc>Biscuits Sweet</internal-desc>
...     <top-grouping>Finished</top-grouping>
...     <web-category>Biscuits</web-category>
...     <web-sub-category>Biscuits (Sweets)</web-sub-category>
...   </internal-code>
...   <internal-code code="221">
...     <internal-desc>Biscuits Savoury</internal-desc>
...     <top-grouping>Finished</top-grouping>
...     <web-category>Biscuits</web-category>
...     <web-sub-category>Biscuits For Cheese</web-sub-category>
...   </internal-code>
... </document>
... '''
>>>
>>> root = ET.fromstring(s)
>>> for text in root.xpath('.//internal-code[@code="221"]/web-category/text()'):
...     print(text)
...
Biscuits

【讨论】：

【解决方案2】：

虽然我是 lxml 的忠实粉丝（请参阅 falsetru 的回答），您需要完整的 xpath 支持，但标准库的 elementtree 实现确实支持足以满足您的需求：

root.findtext('.//internal-code[@code="221]/web-category')

这将返回第一个匹配元素的 text 属性，如果您确定代码 221 只会出现一次，这就足够了。如果还有更多并且您需要一份清单：

[i.text for i in root.findall('.//internal-code[@code="221"]/web-category')]

（请注意，这些示例也适用于 lxml）

【讨论】：