如何在 python 中从 xml 中提取元素、子元素和完整路径？

Question

我想从 xml 中提取一个元素，包括子元素和完整路径。

如果这是我的 xml 文档：

<world>
    <countries>
        <country>
            <name>a</name>
            <description>a short description</description>
            <population>
                <now>250000</now>
                <2000>100000</2000>
            </population>
        </country>
        <country>
            <name>b</name>
            <description>b short description</description>
            <population>
                <now>350000</now>
                <2000>150000</2000>
            </population>
        </country>
    </countries>
</world>

我想基于 ('//country[name="a"]

的 xpath 表达式来结束这个（见下文）

<world>
    <countries>
        <country>
            <name>a</name>
            <description>a short description</description>
            <population>
                <now>250000</now>
                <2000>100000</2000>
            </population>
        </country>
    </countries>
</world>

Answer 1

这种事情可以用xpath和lxml来处理。

但有一点，其中一个 html 标签 (<2000>) 是无效的，因为它不是以字母开头。如果你无法控制来源，则必须在解析前替换有问题的标签，然后在处理后再次替换。

所以，一起来：

import lxml.html as lh
countries = """[your html above]"""
doc = lh.fromstring(countries.replace('2000','xxx'))

states = doc.xpath('//country')
for country in states:
    if country.xpath('./name/text()')[0]!='a':
        country.getparent().remove(country)
print(lh.tostring(doc).decode().replace('xxx','2000'))

输出：

<world>
    <countries>
        <country>
            <name>a</name>
            <description>a short description</description>
            <population>
                <now>250000</now>
                <2000>100000</2000>
            </population>
        </country>
        </countries>
</world>