Python xml minidom。生成 <text>一些文本</text> 元素

Question

我有以下代码。

from xml.dom.minidom import Document

doc = Document()

root = doc.createElement('root')
doc.appendChild(root)
main = doc.createElement('Text')
root.appendChild(main)

text = doc.createTextNode('Some text here')
main.appendChild(text)

print doc.toprettyxml(indent='\t')

结果是：

<?xml version="1.0" ?>
<root>
    <Text>
        Some text here
    </Text>
</root>

这一切都很好，但如果我希望输出看起来像这样呢？

<?xml version="1.0" ?>
<root>
    <Text>Some text here</Text>
</root>

这很容易做到吗？

Orjanp...

Answer 1

这很容易做到吗？

这取决于您想要什么确切的规则，但通常不会，您几乎无法控制漂亮的打印。如果你想要一种特定的格式，你通常必须编写自己的 walker。

pxdom 中的 DOM Level 3 LS 参数 format-pretty-print 与您的示例非常接近。它的规则是，如果一个元素只包含一个 TextNode，则不会添加额外的空格。然而，它（目前）使用两个空格而不是四个缩进。

>>> doc= pxdom.parseString('<a><b>c</b></a>')
>>> doc.domConfig.setParameter('format-pretty-print', True)
>>> print doc.pxdomContent
<?xml version="1.0" encoding="utf-16"?>
<a>
  <b>c</b>
</a>

（为您正在执行的任何类型的序列化调整编码和输出格式。）

如果这是您想要的规则，并且您可以侥幸逃脱，您也许还可以对 minidom 的 Element.writexml 进行猴子补丁，例如：

>>> from xml.dom import minidom
>>> def newwritexml(self, writer, indent= '', addindent= '', newl= ''):
...     if len(self.childNodes)==1 and self.firstChild.nodeType==3:
...         writer.write(indent)
...         self.oldwritexml(writer) # cancel extra whitespace
...         writer.write(newl)
...     else:
...         self.oldwritexml(writer, indent, addindent, newl)
... 
>>> minidom.Element.oldwritexml= minidom.Element.writexml
>>> minidom.Element.writexml= newwritexml

所有关于猴子补丁坏处的常见警告都适用。

Answer 2

我一直在寻找完全相同的东西，我偶然发现了这篇文章。 （xml.dom.minidom 中提供的缩进破坏了我用来操作 XML 的另一个工具，我需要对它进行缩进）我用一个稍微复杂一些的示例尝试了公认的解决方案，结果如下：

In [1]: import pxdom

In [2]: xml = '<a><b>fda</b><c><b>fdsa</b></c></a>'

In [3]: doc = pxdom.parseString(xml)

In [4]: doc.domConfig.setParameter('format-pretty-print', True)

In [5]: print doc.pxdomContent
<?xml version="1.0" encoding="utf-16"?>
<a>
  <b>fda</b><c>
    <b>fdsa</b>
  </c>
</a>

漂亮打印的 XML 格式不正确，而且我对猴子补丁不太满意（即我几乎不知道它的含义，并且理解它很糟糕），所以我寻找了另一种解决方案。

我正在将输出写入文件，因此我可以在 Ubuntu 上使用 xmlindent 程序（$sudo aptitude install xmlindent）。所以我只是将未格式化的文件写入文件，然后从 python 程序中调用 xmlindent：

from subprocess import Popen, PIPE
Popen(["xmlindent", "-i", "2", "-w", "-f", "-nbe", file_name], 
      stderr=PIPE, 
      stdout=PIPE).communicate()

-w 开关会导致文件被覆盖，但令人讨厌的是会留下一个命名的 e.g. “myfile.xml~”你可能想要删除。其他开关可以让格式正确（对我来说）。

附： xmlindent 是一个流格式化程序，即您可以按如下方式使用它：

cat myfile.xml | xmlindent > myfile_indented.xml

因此，如果需要，您可以在 python 脚本中使用它而无需写入文件。

Answer 3

这可以通过 toxml() 来完成，使用正则表达式来整理。

>>> from xml.dom.minidom import Document
>>> import re
>>> doc = Document()
>>> root = doc.createElement('root')
>>> _ = doc.appendChild(root)
>>> main = doc.createElement('Text')
>>> _ = root.appendChild(main)
>>> text = doc.createTextNode('Some text here')
>>> _ = main.appendChild(text)
>>> out = doc.toxml()
>>> niceOut = re.sub(r'><', r'>\n<', re.sub(r'(<\/.*?>)', r'\1\n', out))
>>> print niceOut
<?xml version="1.0" ?>
<root>
<Text>Some text here</Text>
</root>

Answer 4

pyxml 包通过使用 xml.dom.ext.PrettyPrint() 函数提供了一个简单的解决方案。它还可以打印到文件描述符。

但是pyxml包已经不再维护了。

欧尔扬·彼得森

Answer 5

此解决方案对我有用，无需猴子修补或停止使用 minidom：

from xml.dom.ext import PrettyPrint
from StringIO import StringIO

def toprettyxml_fixed (node, encoding='utf-8'):
    tmpStream = StringIO()
    PrettyPrint(node, stream=tmpStream, encoding=encoding)
    return tmpStream.getvalue()

http://ronrothman.com/public/leftbraned/xml-dom-minidom-toprettyxml-and-silly-whitespace/#best-solution

Answer 6

最简单的方法是使用prettyxml，并删除标签内的\n 和\t。这样您就可以按照示例中的要求保持缩进。

xml_output = doc.toprettyxml() nojunkintags = re.sub('>(\n|\t)</', '', xml_output) print nojunkintags