如何递归地遍历 xml 文件并访问子节点/元素并使用 Python 存储它们的数据？答案

【问题标题】：How do I iterate over a xml file recursively and access the child nodes/elements and store their data using Python?如何递归地遍历 xml 文件并访问子节点/元素并使用 Python 存储它们的数据？
【发布时间】：2020-08-01 20:17:28
【问题描述】：

我有一个如下所示的 XML 文件。现在我需要访问port->name、port->wire->direction、port->wire->driver->defval。 XML 文件非常大。

我该如何处理？

<spirit:Bus> 
    <spirit:Ports>   
        <spirit:port>
            <spirit:name>ABCPORT</spirit:name>
            <spirit:description>SOME DESCRIPTION</spirit:description>
            <spirit:wire>
                <spirit:direction>INPUT</spirit:direction>
                <spirit:driver>
                    <spirit:defaultValue>0</spirit:defaultValue>
                </spirit:driver>
            </spirit:wire>
        </spirit:port>
        <spirit:port>
            <spirit:name>PQRPORT</spirit:name>
            <spirit:description>SOME DESCRIPTION</spirit:description>
            <spirit:wire>
                <spirit:direction>OUTPUT</spirit:direction>
            </spirit:wire>
        </spirit:port>        
    </spirit:ports>
</spirit:Bus>

【问题讨论】：

ElementTree 在标准库中。见docs.python.org/3/library/xml.etree.elementtree.html。如果您对如何使用它有疑问，请将您的问题与您尝试过的代码一起发布。
你想要的输出是0吗？
我想要类似的东西 - Port-ABCPORT, Direction-Input,Default value-0;Port-PQRPORT, Direction-Output。

标签： python xml xml-parsing elementtree

【解决方案1】：

为了正确格式化 XML，我将命名空间添加到您的示例中：

<spirit:Bus xmlns:spirit="http://dummy.com">
    ...
</spirit:Bus>

但 Bus 仍然是根节点，就像在您的示例中一样。当然，您可以将给定的 URL 更改为您想要的任何内容。

要仅在 ElementTree 中完成您的任务，您可以使用以下代码：

import xml.etree.ElementTree as et

tree = et.parse('Input.xml')
root = tree.getroot()
ns = {'spirit': 'http://dummy.com'}
for nd in root.findall('spirit:Ports/spirit:port', ns):
    print(nd.tag.split('}')[1], nd.findtext('spirit:name', namespaces=ns),
        nd.findtext('spirit:wire/spirit:direction', namespaces=ns),
        nd.findtext('spirit:wire/spirit:driver/spirit:defaultValue', namespaces=ns))

请注意，您的 XML 包含命名空间规范，因此您还拥有在代码中指定。

我的代码还展示了如何获取节点的本地名称（没有命名空间）。

您的样本的结果是：

port ABCPORT INPUT 0
port PQRPORT OUTPUT None

【讨论】：

【解决方案2】：

我相信解决这个问题的最好方法是使用 lxml 和 xpath：

from lxml import etree

#the xml below is somewhat different than the one in the question, because of a type and the declare namespaces

spirit = """<?xml version="1.0" encoding="UTF-8"?>
<doc xmlns:spirit="http://example.com">
   <spirit:Bus>
      <spirit:Ports>
         <spirit:port>
            <spirit:name>ABCPORT</spirit:name>
            <spirit:description>SOME DESCRIPTION</spirit:description>
            <spirit:wire>
               <spirit:direction>INPUT</spirit:direction>
               <spirit:driver>
                  <spirit:defaultValue>0</spirit:defaultValue>
               </spirit:driver>
            </spirit:wire>
         </spirit:port>
         <spirit:port>
            <spirit:name>PQRPORT</spirit:name>
            <spirit:description>SOME DESCRIPTION</spirit:description>
            <spirit:wire>
               <spirit:direction>OUTPUT</spirit:direction>
            </spirit:wire>
         </spirit:port>
      </spirit:Ports>
   </spirit:Bus>
</doc>
"""

doc = etree.XML(spirit.encode('utf-8'))
ports = doc.xpath('//*[local-name()="port"]')
for port in ports:
    try:
        print("Port-",port.xpath('.//*[local-name()="name"]')[0].text)
        print("Direction",port.xpath('.//*[local-name()="direction"]')[0].text)
        print("Default value",port.xpath('.//*[local-name()="defaultValue"]')[0].text)
    except:
        continue

输出：

Port- ABCPORT
Direction INPUT
Default value 0
Port- PQRPORT
Direction OUTPUT

【讨论】：