【问题标题】:Python LXML ParsingPython LXML 解析
【发布时间】:2018-03-26 15:31:05
【问题描述】:

我正在使用 python 来解析一个 xml 文件,如下所示:

   <infoTable>
       <nameOfIssuer>3 D SYSTEMS CORPORATION NEW</nameOfIssuer>
       <titleOfClass>COM</titleOfClass>
       <cusip>88554D205</cusip>
       <value>1044</value>
       <shrsOrPrnAmt>
           <sshPrnamt>88292</sshPrnamt>
           <sshPrnamtType>SH</sshPrnamtType>
       </shrsOrPrnAmt>
       <investmentDiscretion>SOLE</investmentDiscretion>
       <otherManager>100</otherManager>
       <votingAuthority>
           <Sole>0</Sole>
           <Shared>0</Shared>
           <None>150</None>
       </votingAuthority>
   </infoTable>

我正在解析数千个 xml 文件,其中包含一定数量的 &lt;infoTable&gt; 块。如果我的文件中有大量 &lt;infoTable&gt; 块,则它会停止读取 &lt;value&gt; 标记及其内容。

有没有人遇到过这样的错误?

作为参考,我在 python 中使用 lxml 解析器的代码如下:

for event, elem in etree.iterparse(fileName, events=("start", "end")):

    tag_name = elem.tag.split("}")[1].strip()

    if not elem.text:
        text = "None"
    else:
        text = elem.text.strip()

    # Do something with tag_name and text

以前有没有人遇到过这样的错误?我不确定内存是否是问题,因为我在多台计算机上尝试了相同的代码和相同的 xml 文件,它给了我同样的错误。此外,当我取出有问题的 xml 块并在该块上运行相同的代码时,它工作正常。不知道在这一点上还能看到什么。

任何帮助将不胜感激!

【问题讨论】:

  • 什么是“更大的数字”? “这样的错误”是什么意思?实际错误是什么?
  • 当我尝试处理包含 4000 个信息表的文件时,未解析值字段。它没有获取数字(在本例中为 1044),而是获取 None 类型。
  • 4000 个 infoTables 大约是一个 4MB 的文件,所以没有那么大
  • elem.tag.split("}") 应该做什么?您的所有标签名称都不包含}。
  • 它是在命名空间中添加的,所以我使用split语句来获取标签。

标签: python xml xml-parsing lxml


【解决方案1】:

lxml 工作正常,即使对于a file containing 4,000 infoTable elements。我会使用XPath 来获取value 元素的文本:

from lxml import etree

tree = etree.parse("so.xml")

for value in tree.xpath("/root/infoTable/value"):
    print(value.text)

输出包含 4,000 行 1044。

【讨论】:

    猜你喜欢
    • 2012-06-10
    • 2012-08-08
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2016-09-16
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多