如何使用 Python 从 XML 中删除元素

Question

我被 XML 和 Python 困住了。任务很简单，但到目前为止我无法解决它并花了很长时间。我来这里是为了建议如何用几行来解决它。

感谢您对遍历树的任何帮助。我总是以太多或太少的元素结束。元素可以无限制地嵌套。给出的例子只是一个例子。我会接受任何解决方案，而不是挑剔 dom、minidom、sax 等等。

我有一个类似的 XML 文件：

<root>
    <elm>
        <elm>Common content</elm>

        <elm xmlns="http://example.org/ns">
            <elm lang="en">Content EN</elm>
            <elm lang="cs">žluťoučký koníček</elm>
        </elm>

        <elm xml:id="abc123">Common content</elm>

        <elm lang="en">Content EN</elm>
        <elm lang="cs">Content CS</elm>

        <elm lang="en">
            <elm>Content EN</elm>
            <elm>Content EN</elm>
        </elm>

        <elm lang="cs">
            <elm>Content CS</elm>
            <elm>Content CS</elm>
        </elm>
    </elm>
</root>

我需要什么 - 解析 XML 并编写一个新文件。新文件应包含给定语言的所有元素以及不带lang 属性的元素。

对于“cs”语言，输出文件应包含以下内容：

<root>
    <elm>
        <elm>Common content</elm>

        <elm xmlns="http://example.org/ns">
            <elm lang="cs">žluťoučký koníček</elm>
        </elm>

        <elm xml:id="abc123">Common content</elm>

        <elm lang="cs">Content CS</elm>

        <elm lang="cs">
            <elm>Content CS</elm>
            <elm>Content CS</elm>
        </elm>
    </elm>
</root>

如果您可以在新文件中省略lang 属性，那就更好了。但这并不重要。

UPDATE1：添加了 unicode 字符和命名空间属性。

UPDATE2：使用 Python 2.5，首选标准库。

Answer 1

使用lxml：

import lxml.etree as le

with open('doc.xml','r') as f:
    doc=le.parse(f)
    for elem in doc.xpath('//*[attribute::lang]'):
        if elem.attrib['lang']=='en':
            elem.attrib.pop('lang')
        else:
            parent=elem.getparent()
            parent.remove(elem)
    print(le.tostring(doc))

产量

<root>
    <elm>Common content</elm>

    <elm>
        <elm>Content EN</elm>
        </elm>

    <elm>Common content</elm>

    <elm>Content EN</elm>
    <elm>
        <elm>Content EN</elm>
        <elm>Content EN</elm>
    </elm>

    </root>

Answer 2

我不确定如何最好地删除 lang 属性，但这里有一些代码可以进行其他更改（Python 2.7；对于 2.5 或 2.6，使用 getIterator 而不是 iter），假设当您删除了一个元素，您也总是希望删除该元素中包含的所有内容。

此代码只是将结果打印到标准输出（当然，您可以根据需要将其重定向，或者直接将其写入某个新文件，等等）：

import sys
from xml.etree import cElementTree as et

def picklang(path, lang='en'):
    tr = et.parse(path)
    for element in tr.iter():
        for subelement in element:
            la = subelement.get('lang')
            if la is not None and la != lang:
                element.remove(subelement)
    return tr

if __name__ == '__main__':
    tr = picklang('la.xml')
    tr.write(sys.stdout)
    print

以la.xml 为例，这里写道

<root>
    <elm>Common content</elm>

    <elm>
        <elm lang="en">Content EN</elm>
        </elm>

    <elm>Common content</elm>

    <elm lang="en">Content EN</elm>
    <elm lang="en">
        <elm>Content EN</elm>
        <elm>Content EN</elm>
    </elm>

    </root>

Answer 3

更新@Alex Martelli 的代码以消除元素列表更新到位的错误。如果输入稍微复杂一点，上述解决方案将给出错误答案。

import sys
from xml.etree import cElementTree as et

def picklang(path, lang='en'):
    tr = et.parse(path)
    for element in tr.iter():
        for subelement in element[:]:
            la = subelement.get('lang')

            if la is not None and la != lang:
                element.remove(subelement)
    return tr

if __name__ == '__main__':
    tr = picklang('la.xml')
    tr.write(sys.stdout)
    print

第 7 行中的代码 for subelement in element: 更改为 for subelement in element[:]:，因为在迭代列表时更新列表是不正确的。

此代码遍历元素列表的副本，并在原始元素列表中的 lang != "en" 时删除元素。