查找具有 minidom 属性的元素答案

【问题标题】：Find element with attribute with minidom查找具有 minidom 属性的元素
【发布时间】：2010-03-10 07:11:21
【问题描述】：

给定

<field name="frame.time_delta_displayed" showname="Time delta from previous displayed frame: 0.000008000 seconds" size="0" pos="0" show="0.000008000"/>
<field name="frame.time_relative" showname="Time since reference or first frame: 0.000008000 seconds" size="0" pos="0" show="0.000008000"/>
<field name="frame.number" showname="Frame Number: 2" size="0" pos="0" show="2"/>
<field name="frame.pkt_len" showname="Packet Length: 1506 bytes" hide="yes" size="0" pos="0" show="1506"/>
<field name="frame.len" showname="Frame Length: 1506 bytes" size="0" pos="0" show="1506"/>
<field name="frame.cap_len" showname="Capture Length: 1506 bytes" size="0" pos="0" show="1506"/>
<field name="frame.marked" showname="Frame is marked: False" size="0" pos="0" show="0"/>
<field name="frame.protocols" showname="Protocols in frame: eth:ip:tcp:http:data" size="0" pos="0" show="eth:ip:tcp:http:data"/>

如何在不遍历每个标签并检查属性的情况下立即获取 name="frame.len" 的字段？

【问题讨论】：

添加到这个问题，xml是300mb。上次我尝试解析它时内存不足。有更好的萨克斯风格库的建议吗？
嗯，xml.dom.minidom 是一个 DOM 解析器，需要将整个文档读入内存。不是因为它不够好，而是因为 DOM 解析器就是这样做的。所以我不知道你所说的“更好的萨克斯风格库”是什么意思。 xml.sax 这个 Python 自带的标准 SAX 解析器有什么不好？
在 5000 个数据包 (300mb) 之后，尝试加载 xml 会使我的计算机崩溃。在这 300mb 的数据中，我只需要大约 10kb 分布在整个文档中。有没有比lxml更高效的xml遍历方式和比sax更简单的库？

标签： python xml minidom

【解决方案1】：

我不认为你可以。

来自父element，你需要

for subelement in element.GetElementsByTagName("field"):
    if subelement.hasAttribute("frame.len"):
        do_something()

响应您从 3 月 11 日开始的评论，如果您的文档结构稳定且没有令人讨厌的意外（例如属性中的尖括号），您可能想尝试不可思议的事情并使用正则表达式。这不是推荐的做法，但可以工作并且比实际解析文件要容易得多。我承认我自己有时也这样做过。还没有失明。

所以在你的情况下你可以（假设<field> 标签不跨越多行）：

xmlfile = open("myfile.xml")
for line in xmlfile:
    match = re.search(r'<field\s+name="frame.len"\s+([^>]+)/>', line):
    if match:
        result = match.group(1)
        do_something(result)

如果<field> 标签可以跨越多行，您可以尝试将整个文件作为纯文本加载到内存中，然后扫描它以查找匹配项：

filedump = open("myfile.xml").read()
for match in re.finditer(r'<field\s+name="frame.len"\s+([^>]+)/>', filedump):
    result = match.group(1)
    do_something(result)

在这两种情况下，result 将包含frame.len 以外的属性。正则表达式假定frame.len 始终是标签内的第一个属性。

【讨论】：

【解决方案2】：

你没有——DOM API，设计有点糟糕（由 w3c，而不是由 Python！-）没有这样的搜索功能来为你进行迭代。要么接受循环的需要（一般不是通过每个标签，而是通过所有具有给定标签名称的标签），或者升级到更丰富的界面，例如BeautifulSoup或lxml。

【讨论】：

【解决方案3】：

哇，那个正则表达式太可怕了！截至 2016 年，每个 DOMElement 都有一个 .getAttribute() 方法，这使事情变得更容易一些，但您仍然需要遍历元素。

l = []
for e in elements:
    if e.hasAttribute('name') and e.getAttribute('name') == 'field.len':
        l.append(e)

【讨论】：