在 Python 中提取 XML 标记并保留标记顺序和层次结构

Question

我有 XML 文件，我只想解析标签，但我需要保留标签的层次结构和顺序。我使用xml.etree.ElementTree 来执行此操作，但我提取了唯一的标签列表。

我的 XML 看起来像：

<Collection variable="value">
    <Genre variable="value">
        <Timestamp>2017-05-15T18:14:07-05:00</Timestamp>
        <Date>2016-12-31</Date>
        <Identifier>
          <id>123456789</id>
          <Name>
            <BusinessName>AB & co</BusinessName>
          </Name>
        </Identifier>
    </Genre>
</Collection>

所需的输出应该是带有父标签的标签列表

['Collection/Genre',
 'Collection/Genre/Timestamp',
 'Collection/Genre/Date',
 'Collection/Genre/Identifier/id',
 'Collection/Genre/Identifier/Name/BusinessName']

任何帮助将不胜感激。

Answer 1

扩展@mzjn 的评论，您可以使用lxml 包从ElementTree 中提取路径。另外，作为旁注，与号是 XML 中的保留字符。

from lxml import etree


x = '''<Collection variable="value">
    <Genre variable="value">
        <Timestamp>2017-05-15T18:14:07-05:00</Timestamp>
        <Date>2016-12-31</Date>
        <Identifier>
          <id>123456789</id>
          <Name>
            <BusinessName>AB and co</BusinessName>
          </Name>
        </Identifier>
    </Genre>
</Collection>'''

xml = etree.fromstring(x)
tree = xml.getroottree()
paths = [tree.getpath(d) for d in xml.iterdescendants()]

paths
# returns:
['/Collection/Genre',
 '/Collection/Genre/Timestamp',
 '/Collection/Genre/Date',
 '/Collection/Genre/Identifier',
 '/Collection/Genre/Identifier/id',
 '/Collection/Genre/Identifier/Name',
 '/Collection/Genre/Identifier/Name/BusinessName']