Python，lxml - 获取兄弟标签的（大）孩子的文本答案

【问题标题】：Python, lxml - get a sibling tag's (grand)child's textPython，lxml - 获取兄弟标签的（大）孩子的文本
【发布时间】：2012-11-07 16:11:10
【问题描述】：

我有一个要解析的 XML，这对我来说真的很棘手。

<bundles>
  <bundle>
    <bitstreams>
      <bitstream>
        <id>1234</id>
      </bitstream>
    </bitstream>
    <name>FOO</name>
  </bundle>
  <bundle> ... </bundle>
</bundles>

我想遍历这个 XML 并找到 bitstreams 内的所有 id 值，用于 bundle，其中 name 元素的值为'FOO'。我对任何未命名为“FOO”的捆绑包不感兴趣，捆绑包中可能有任意数量的捆绑包和任意数量的比特流。

我一直在使用 tree.findall('./bundle/name') 来查找 FOO 包，但这只是返回一个列表，我无法为 id 值单步执行：

for node in tree.findall('./bundle/name'):
if node.text == 'FOO':
 id_values = tree.findall('./bundle/bitstreams/bitstream/id')
 for value in id_values:
     print value.text

这会打印出所有 id 值，而不是包“FOO”的值。

我如何遍历这棵树，找到 name FOO 的 bundle，获取这个 bundle 节点并收集 id 值嵌套在里面吗？这里的 XPath 参数不正确吗？

我在 Python 中工作，使用 lxml 绑定 - 但我相信任何 XML 解析器都可以；这些不是大型 XML 树。

【问题讨论】：

你能告诉我们你到目前为止的代码吗？

标签： python xml-parsing lxml siblings dspace

【解决方案1】：

您可以使用xpath 来达到目的。以下 Python 代码完美运行：

import libxml2
data = """
<bundles>
  <bundle>
    <bitstreams>
      <bitstream>
        <id>1234</id>
      </bitstream>
    </bitstreams>
    <name>FOO</name>
  </bundle>
</bundles>
"""
doc = xmllib2.parseDoc(data)
for node in doc.xpathEval('/bundles/bundle/name[.="FOO"]/../bitstreams/bitstream/id'):
    print node

或使用lxml（data与上例相同）：

from lxml import etree

bundles = etree.fromstring(data)

for node in bundles.xpath('bundle/name[.="FOO"]/../bitstreams/bitstream/id'):
    print(node.text)

输出：

如果<bitstreams> 元素总是在<name> 元素之前，您还可以使用更高效的xpath 表达式：

'bundle/name[.="FOO"]/preceding-sibling::bitstreams/bitstream/id'

【讨论】：

基本上你会找到名为 foo 的 bundle .. 然后去父节点并遍历回比特流 id ...
还添加了一个 lxml 示例，因为它是 OP 使用的。希望没关系。
是的，这工作正常。我完全误解了 lxml 中的 XPath。

【解决方案2】：

您的一个问题是“这里的 XPath 参数不正确吗？”。好吧，findall() 不接受 XPath 表达式。它使用称为ElementPath 的简化版本。此外，您对findall() 的第二次调用与第一次调用的结果没有任何关系，因此它只会返回所有bundles 中的ids。

对您的代码稍作修改也应该可以工作（它与 XPath 表达式基本相同）：

for node in tree.findall('./bundle/name'):
    if node.text != 'FOO':
        continue
    id_values = node.getparent().findall('./bitstreams/bitstream/id')
    for value in id_values:
        print value.text

【讨论】：