【问题标题】：How to use preceding sibling for XML with xPath in Python?如何在 Python 中通过 xPath 使用 XML 的前一个兄弟姐妹？
【发布时间】：2020-04-15 08:04:21
【问题描述】：

我的 XML 结构如下：

<?xml version="1.0" encoding="utf-8"?>
<pages>
    <page id="1" bbox="0.000,0.000,462.047,680.315" rotate="0">
        <textbox id="0" bbox="179.739,592.028,261.007,604.510">
            <textline bbox="179.739,592.028,261.007,604.510">
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">C</text>
                <text font="NUMPTY+ImprintMTnum-it"  bbox="192.745,592.218,199.339,603.578" ncolour="0" size="12.333">A</text>
                <text font="NUMPTY+ImprintMTnum-it"  bbox="193.745,592.218,199.339,603.578" ncolour="0" size="12.333">P</text>
                <text font="NUMPTY+ImprintMTnum-it"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.333">I</text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">T</text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">O</text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">L</text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">O</text>
                <text></text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">I</text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">I</text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">I</text>
                <text></text>
            </textline>
        </textbox>
    </page>
</pages>

文本标签中的属性bbox有四个值，我需要一个元素的第一个bbox值与其前一个值的差异。也就是说，前两个bbox之间的距离为1。在下面的循环中，我需要找到我取的bbox属性值的前一个兄弟，以便计算两者之间的距离。

   def wrap(line, idxList):
        if len(idxList) == 0:
            return    # No elements to wrap
        # Take the first element from the original location
        idx = idxList.pop(0)     # Index of the first element
        elem = removeByIdx(line, idx) # The indicated element
        # Create "newline" element with "elem" inside
        nElem = E.newline(elem)
        line.insert(idx, nElem)  # Put it in place of "elem"
        while len(idxList) > 0:  # Process the rest of index list
            # Value not used, but must be removed
            idxList.pop(0)
            # Remove the current element from the original location
            currElem = removeByIdx(line, idx + 1)
            nElem.append(currElem)  # Append it to "newline"

    for line in root.iter('textline'):
        idxList = []
        for elem in line:
            bbox = elem.attrib.get('bbox')
            if bbox is not None:
                tbl = bbox.split(',')
                distance = float(tbl[2]) - float(tbl[0])
            else:
                distance = 100  # "Too big" value
            if distance > 10:
                par = elem.getparent()
                idx = par.index(elem)
                idxList.append(idx)
            else:  # "Wrong" element, wrap elements "gathered" so far
                wrap(line, idxList)
                idxList = []
        # Process "good" elements without any "bad" after them, if any
        wrap(line, idxList)

    #print(etree.tostring(root, encoding='unicode', pretty_print=True))

我尝试过这样的 xPath：

for x in tree.xpath("//text[@bbox<preceding::text[1]/@bbox+11]"):
print(x)

但它什么也没返回。我的路径是否错误，如何将其插入循环中？

【问题讨论】：

Duplicate with : stackoverflow.com/questions/61213788/… 首先，您必须使用 XSL 文件转换您的 XML 以便使用此 XPath 进行查询。否则它将不起作用。xsltransform.net/aBcT67/1 XPath 表达式将选择符合条件的文本节点： bbox - 前面文本节点的 bbox 值不大于 10。如果这确实是您的目标当然。对于您的示例数据，XPath 表达式将不起作用（因为没有节点遵守此条件）。

标签： python xml xpath tags lxml

【解决方案1】：

您的代码失败的原因是与前面的兄弟姐妹有关的轴名称是preceding-sibling（不是preceding）。

但是这里你不需要使用 XPath 表达式，因为有原生的 lxml 获取（第一个）前面的兄弟的方法称为 getprevious。

要检查对上一个 text 节点的访问，请尝试以下循环：

for x in tree.xpath('//text'):
    bb = x.attrib.get('bbox')
    if bb is not None:
        bb = bb.split(',')
    print('This: ', bb)
    xPrev = x.getprevious()
    bb = None
    if xPrev is not None:
        bb = xPrev.attrib.get('bbox')
        if bb is not None:
            bb = bb.split(',')
    if bb is not None:
        print('  Previous: ', bb)
    else:
        print('  No previous bbox')

它为当前 text 元素打印 bbox 紧接在兄弟姐妹之前。

编辑

如果需要，也可以直接访问前面的bbox属性 text 元素，调用 x.xpath('preceding-sibling::text[1]/@bbox')。

但请记住，此函数返回找到的节点的列表，如果没有已找到，此列表为空（不是无）。

因此，在您使用此结果之前，您必须：

检查返回列表的长度（应该>0），
从该列表中检索第一个元素（bbox 属性的文本内容，在这种情况下，此列表应仅包含 1 个元素），
按, 拆分（获取片段列表），
检查这个结果的第一个元素是否不为空，
转换为浮点数。

之后你就可以使用它了，例如与当前 bbox 中的对应值进行比较。

【讨论】：

谢谢，但问题是我的 XML 有没有属性的文本标签。在这种情况下，bbox 结果为 None，我需要在“None”之前有 bbox。我该怎么做？
您编写了 没有属性的文本标签，因此您的 XML 示例可能是错误的。更正您的 XML 示例（显示这些文本标记在哪里）。不然我不知道怎么处理这个案子。

【解决方案2】：

Python 使用非常古老的 XPath 1.0 标准。在 XPath 1.0 中，“

//text[@bbox < preceding::text[1]/@bbox + 11]

您正在对@bbox 值执行数字差分和数字加法。

但是@bbox 不是数字，它是一个逗号分隔的四个数字列表：

179.739,592.028,261.007,604.510

将其转换为数字会产生 NaN（非数字），NaN < NaN 返回 false。

要对这样的结构化属性值做任何有用的事情，您确实需要 XPath 2.0 或更高版本。

【讨论】：