使用 Python 使用 elementTree 和 .remove() 删除 XML 子元素标签

Question

我需要帮助使用 Python 和 elementTree 库调整我的 XML 文件。

对于某些背景，我不是学生，而是在工业界工作。我希望通过使这些更改自动化来为自己节省大量的手动工作，通常我会使用我更熟悉的 C++ 等语言来完成这项工作。但是，在我的小组中使用 Python 是一个推动力，因此我将其用作功能和学习练习。

您能否更正我对术语的使用和理解？我不只是想让代码工作，而是要知道我对它的工作原理的理解是正确的。

问题本身：

目标：从 XML 文件中删除子元素“权重”。

使用 xml 代码（姑且称之为“example.xml”）：

<XML_level_1 created="2014-08-19 16:55:02" userID="User@company">
<XML_level_2 manufacturer="company" number="store-25235">
  <padUnits value="mm" />
  <partDescription value="Part description explained here" />
  <weight value="5.2" />
</XML_level_2>
</XML_level_1>

到目前为止，我有以下代码：

from xml.etree import ElementTree

current_xml_tree = ElementTree.parse(filename_path) # Path to example.xml

current_xml_root = current_xml_tree.getroot()
current_xml_level_2_node = current_xml_root.findall('XML_level_2')

# Extract "weight" value for later use
for weight_value_elem in current_xml_root.iter('weight'):
    weight_value = weight_value_elem.get('value')

# Remove weight sub-element from XML
# -------------------------------------

# Get all nodes entitled 'weight' from element
weight_nodes = current_xml_root.findall('weight')
print weight_nodes     # result is an empty list

print weight_value_elem    # Location of element 'weight' is listed

for weight_node_loc in current_xml_tree.iter('weight'):
    print "for-loop check : loop has been entered"

    current_xml_tree.getroot().remove(weight_value_elem)
    print "for-loop has been processed"

print "Weight line removed from ", filename_path

# Write changes to XML File:
current_xml_tree.write(filename_path)

我已经阅读了this helpful resource，但已经到了我被卡住的地步。

第二个问题：这个上下文中节点和元素的关系是什么？

我来自有限元背景，其中节点被理解为元素的一部分，定义创建元素的部分/角边界。但是，我认为术语在这里的使用方式不同，因此节点不是元素的子集，我错了吗？这两个术语是否仍然以相似的方式相关？

Answer 1

从树中删除一个元素，无论它在树中的位置如何，ElementTree API 都会不必要地复杂化。具体来说，没有元素知道它自己的父元素，因此我们必须“手动”发现这种关系。

from xml.etree import ElementTree
XML = '''
    <XML_level_1 created="2014-08-19 16:55:02" userID="User@company">
    <XML_level_2 manufacturer="company" number="store-25235">
      <padUnits value="mm" />
      <partDescription value="Part description explained here" />
      <weight value="5.2" />
    </XML_level_2>
    </XML_level_1>
'''

# parse the XML into a tree
root = ElementTree.XML(XML)

# Alternatively, parse the XML that lives in 'filename_path'
# tree = ElementTree.parse(filename_path)
# root = tree.getroot()

# Find the parent element of each "weight" element, using XPATH
for parent in root.findall('.//weight/..'):
    # Find each weight element
    for element in parent.findall('weight'):
        # Remove the weight element from its parent element
        parent.remove(element)

print ElementTree.tostring(root)

如果可以切换到lxml，循环就稍微不那么麻烦了：

for weight in tree.findall("//weight"):
  weight.getparent().remove(weight)

关于你的第二个问题，the ElementTree documentation 使用“节点”或多或少与“元素”互换。更具体地说，它似乎使用“节点”一词来指代“元素”类型的 Python 对象或此类对象所指的 XML 元素。

Answer 2

您的问题是node.remove() 只删除了node 的直接子元素。在您发布的 XML 文件中，weight 元素不是XML_level_1 的直接子元素，而是XML_level_2 的直接子元素。同样ElementTree 的实现方式似乎没有从孩子到其父母的链接。

您可以按如下方式更改您的代码：

from xml.etree import ElementTree

xml_str = '''
    <XML_level_1 created="2014-08-19 16:55:02" userID="User@company">
        <XML_level_2 manufacturer="company" number="store-25235">
            <padUnits value="mm" />
            <partDescription value="Part description explained here" />
            <weight value="5.2" />
        </XML_level_2>
    </XML_level_1>
'''    

root = ElementTree.fromstring(xml_str)

for elem in root.iter():
    for child in list(elem):
        if child.tag == 'weight':
            elem.remove(child)

解释：root.iter() 一阶深度迭代整个树，list(elem) 列出特定元素的所有子元素。然后，您过滤掉名称（标签）weight 的元素，从而同时引用父子元素，因此现在可以删除元素。

图书馆似乎没有特别区分node 和element，尽管您只能在XML context 中找到术语element。

每个 XML 文档都具有逻辑结构和物理结构。 在物理上，文档由称为实体的单元组成。一个 实体可能会引用其他实体以使其包含在 文档。文档从“根”或文档实体开始。逻辑上， 文档由声明、元素、cmets、 字符引用和处理指令，所有这些都是 通过显式标记在文档中指示。逻辑和物理 结构必须正确嵌套，如 4.3.2 格式良好中所述 已解析的实体。

Answer 3

如果你知道你只有一个权重标签的实例，你可以避免循环的痛苦，只需找到父子元素，然后删除子元素，例如：

xml_root = ElementTree.parse(filename_path).getroot() # Path to example.xml
parent_element = xml_root.find('./XML_level_2')
weight_element = xml_root.find('./XML_level_2/weight')
parent_element.remove(weight_element)

Answer 4

要在您不断增长的词汇表中再添加一个术语，请考虑XSLT，这是一种特殊用途的声明性语言，旨在转换 XML 文档以满足各种最终使用需求。事实上，XSLT 是一个格式良好的 XML 文件，带有脚本指令！虽然 Python 的内置 xml.etree 没有 XSLT 处理器，但外部 lxml（基于 libxslt）模块维护一个 XSLT 1.0 处理器。更重要的是，XSLT 是可移植的，可以被其他语言（Java、PHP、Perl、VB 甚至 C++）甚至专用的可执行文件（Saxon, Xalan）和命令行解释器（Bash、PowerShell）使用。

您会在下面注意到，没有使用一个循环。在 XSLT 脚本中，身份转换按原样复制整个文档，匹配到 weight（无论它位于何处）的空模板将其删除。

import lxml.etree as ET

xml_str = '''
    <XML_level_1 created="2014-08-19 16:55:02" userID="User@company">
        <XML_level_2 manufacturer="company" number="store-25235">
            <padUnits value="mm" />
            <partDescription value="Part description explained here" />
            <weight value="5.2" />
        </XML_level_2>
    </XML_level_1>
'''
dom = ET.fromstring(xml_str)

xslt_str = '''
    <xsl:transform xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">
    <xsl:output version="1.0" encoding="UTF-8" indent="yes" />
    <xsl:strip-space elements="*"/> 

      <!-- Identity Transform -->
      <xsl:template match="@*|node()">
        <xsl:copy>
          <xsl:apply-templates select="@*|node()"/>
        </xsl:copy>
      </xsl:template>    

      <!-- Empty Template -->
      <xsl:template match="weight"/>    
    </xsl:transform>
'''
xslt = ET.fromstring(xslt_str)

transform = ET.XSLT(xslt)                          # INITIALIZES TRANSFORMER
newdom = transform(dom)                            # RUNS TRANSFORMATION ON SOURCE XML
tree_out = ET.tostring(newdom, pretty_print=True)  # CONVERTS TREE OBJECT TO STRING
print(tree_out.decode("utf-8"))