处理 xml 文档中缺少的元素答案

【问题标题】：Dealing with missing elements in xml document处理 xml 文档中缺少的元素
【发布时间】：2014-03-28 14:51:30
【问题描述】：

我有一些 XML，其中的一个片段如下所示：

<osgb:departedMember>
<osgb:DepartedFeature fid='osgb4000000024942964'>
<osgb:boundedBy>
<gml:Box srsName='osgb:BNG'>
<gml:coordinates>188992.575,55981.029 188992.575,55981.029</gml:coordinates>
</gml:Box>
</osgb:boundedBy>
<osgb:theme>Road Network</osgb:theme>
<osgb:reasonForDeparture>Deleted</osgb:reasonForDeparture>
<osgb:deletionDate>2014-02-19</osgb:deletionDate>
</osgb:DepartedFeature>
</osgb:departedMember>

我正在解析它：

departedmembers = doc_root.findall('{http://www.ordnancesurvey.co.uk/xml/namespaces/osgb}departedMember')
for departedMember in departedMembers:
    findWhat='{http://www.ordnancesurvey.co.uk/xml/namespaces/osgb}DepartedFeature'
    fid = int(departedmember.find(findWhat).attrib['fid'].replace('osgb', ''))
    theme=departedmember[0].findall('{http://www.ordnancesurvey.co.uk/xml/namespaces/osgb}theme')[0].text    
    reason=departedmember[0].findall('{http://www.ordnancesurvey.co.uk/xml/namespaces/osgb}reasonForDeparture')[0].text
    date=departedmember[0].findall('{http://www.ordnancesurvey.co.uk/xml/namespaces/osgb}deletionDate')[0].text

有时原因或日期或两者都为空，即缺少元素，而不仅仅是内容为空。根据 XSD，这是合法的，但我在尝试选择不存在元素的文本时遇到属性错误。为了解决这个问题，我将原因和日期行放在 try 中，除了块，例如：

try:
    date=departedmember[0].findall('{http://www.ordnancesurvey.co.uk/xml/namespaces/osgb}deletionDate')[0].text
except:
    pass

这可行，但我讨厌像这样使用 except/pass，所以它让我想知道是否有更好的方法来解析这样的文档，其中某些元素是可选的。

【问题讨论】：

标签： python xml xml.etree

【解决方案1】：

由于您只对findall 的第一个元素感兴趣，您可以将findall(x)[0] 替换为find(x)。此外，如果你想避免 try/except 块，你可以使用三元。

departedmembers = doc_root.findall('{http://www.ordnancesurvey.co.uk/xml/namespaces/osgb}departedMember')
for departedMember in departedMembers:
    ...
    date = departedmember[0].find('{http://www.ordnancesurvey.co.uk/xml/namespaces/osgb}deletionDate')
    date = None if date == None else date.text # Considering you want to set the element to None if it was not found

【讨论】：

【解决方案2】：

是的，问题不在于搜索方法，而在于没有返回元素时的引用。您可以这样编写代码：

results = departedmember[0].findall('{http://www.ordnancesurvey.co.uk/xml/namespaces/osgb}deletionDate')

if results:
    date = results[0].text
else:
    # there is no element,
    # do what you want in this case

【讨论】：

这肯定比 try/except 更干净。不过，我部分地想知道，这是否是解析大型 xml 文档的最佳方法，或者我是否应该在 xmltree 中使用 xpath 之类的东西。
@JohnBarça，我发现 xpath 更易于维护
@Luis，谢谢，我会尽快尝试。我有千兆字节的 XML 需要快速解析，并且在短时间内了解非常出色的 xmltree 库的各种错综复杂的内容很有趣。