使用正则表达式解析 xml 文件：预期的字符串或缓冲区

Question

我正在尝试使用正则表达式从 xml 文件中获取一些数据（我知道我应该适当地使用一些 xml 解析器，但是如果您之前没有使用过任何 xml 解析器，正则表达式似乎更简单）

这是我的python代码：

import datetime,re
date= datetime.datetime.today().strftime('%Y%m%d')

output = open(r'C:\Users\Peter\AppData\Roaming\Kodi\addons\plugin.video.videoaddon\resources\epg.xml', 'r')
match = re.compile('start="%s(.+?)\s.+?".+?channel="Bravo (US)"\s><title>(.+?)</title>'%(date)).findall(output)
for start,title in match:
    print(start,title)

我收到TypeError: Expected string or buffer

谁能解释我为什么会收到这个错误？

如果有人感兴趣，我正在尝试做的其他信息：

XML 文件示例：http://pastebin.com/9yC1FTYu 我知道这个 xml 格式不正确，但这就是我从软件 API 中获取它的方式。

基本上我需要得到： start 时间戳的最后一部分，第一部分必须匹配日期，以及 <title> 文本。我需要在channel 匹配Bravo (US) 的地方得到这些。

Answer 1

您需要使用read() 或其他方式读取文件，文件对象仅存储在输出变量中，而不是内容。

output = open(r'C:\Users\Peter\AppData\Roaming\Kodi\addons\plugin.video.videoaddon\resources\epg.xml', 'r').read()
                                                                                                              ^

Answer 2

您正在将 文件对象 传递给 pattern.findall() 方法。您必须先读取该文件：

pattern = re.compile('start="%s(.+?)\s.+?".+?channel="Bravo (US)"\s><title>(.+?)</title>'%(date))
filename = r'C:\Users\Peter\AppData\Roaming\Kodi\addons\plugin.video.videoaddon\resources\epg.xml'
with open(filename, 'r') as xmlfile:
    match = pattern.findall(output.read())

但是，您应该在此处真正使用 XML 解析器。标准库自带ElementTree API：

import xml.etree.ElementTree as ET

filename = r'C:\Users\Peter\AppData\Roaming\Kodi\addons\plugin.video.videoaddon\resources\epg.xml'
tree = ET.parse(filename)
for programme in tree.findall(".//programme[@channel='Bravo (US)']"):
    showtime = programme.attrib['start']
    if showtime.startswith(date):
        print showtime[8:14], programme.find('title').text

如果您安装了lxml，您可以使用更复杂的 XPath 查询，包括搜索日期的查询：

import lxml.etree as ET

filename = r'C:\Users\Peter\AppData\Roaming\Kodi\addons\plugin.video.videoaddon\resources\epg.xml'
date_predicate = '[starts-with(@start, "{}")]'.format(date)
tree = ET.parse(filename)
for programme in tree.xpath('.//programme[@channel="Bravo (US)"]' + date_predicate):
    showtime = programme.attrib['start']
    print showtime[8:14], programme.find('title').text