如何实现python在xml标签之间查找值？

Question

我正在使用谷歌网站检索天气信息，我想在 XML 标记之间查找值。以下代码给了我一个城市的天气状况，但我无法获得其他参数，例如温度，如果可能的话，解释代码中隐含的拆分函数的工作：

import urllib

def getWeather(city):

    #create google weather api url
    url = "http://www.google.com/ig/api?weather=" + urllib.quote(city)

    try:
        # open google weather api url
        f = urllib.urlopen(url)
    except:
        # if there was an error opening the url, return
        return "Error opening url"

    # read contents to a string
    s = f.read()

    # extract weather condition data from xml string
    weather = s.split("<current_conditions><condition data=\"")[-1].split("\"")[0]

    # if there was an error getting the condition, the city is invalid


    if weather == "<?xml version=":
        return "Invalid city"

    #return the weather condition
    return weather

def main():
    while True:
        city = raw_input("Give me a city: ")
        weather = getWeather(city)
        print(weather)

if __name__ == "__main__":
    main()

谢谢

Answer 1

USE

A

PARSER

您无法使用正则表达式解析 XML，所以不要尝试。这是start to finding an XML parser in Python。这是good site for learning about parsing XML in Python。

更新：鉴于有关 PyS60 的新信息，这里是诺基亚网站上的documentation for using XML。

更新 2：@Nas Banov 已请求示例代码，所以这里是：

import urllib

from xml.parsers import expat

def start_element_handler(name, attrs):
    """
    My handler for the event that fires when the parser sees an
    opening tag in the XML.
    """
    # If we care about more than just the temp data, we can extend this
    # logic with ``elif``. If the XML gets really hairy, we can create a
    # ``dict`` of handler functions and index it by tag name, e.g.,
    # { 'humidity': humidity_handler }
    if 'temp_c' == name:
        print "The current temperature is %(data)s degrees Celsius." % attrs

def process_weather_conditions():
    """
    Main logic of the POC; set up the parser and handle resource
    cleanup.
    """
    my_parser = expat.ParserCreate()
    my_parser.StartElementHandler = start_element_handler

    # I don't know if the S60 supports try/finally, but that's not
    # the point of the POC.
    try:
        f = urllib.urlopen("http://www.google.com/ig/api?weather=30096")
        my_parser.ParseFile(f)
    finally:
        f.close()

if __name__ == '__main__':
    process_weather_conditions()

Answer 2

我建议使用 XML Parser，就像 Hank Gay 建议的那样。我个人的建议是lxml，因为我目前正在一个项目中使用它，它扩展了标准库 (xml.etree) 中已经存在的非常有用的 ElementTree 接口。

Lxml 添加了对 xpath、xslt 和标准 ElementTree 模块中缺少的各种其他功能的支持。

无论您选择哪种方式，XML 解析器都是迄今为止最好的选择，因为您将能够将 XML 文档作为 Python 对象来处理。这意味着您的代码将类似于：

# existing code up to...
s = f.read()
import lxml.etree as ET
tree = ET.parse(s)
current = tree.find("current_condition/condition")
condition_data = current.get("data")
weather = condition_data
return weather

Answer 3

XML 是结构化数据。与使用字符串操作从中获取数据相比，您可以做得很多。标准库中有sax、dom 和elementree 模块以及高质量的lxml 库，可以更可靠地为您完成工作。

Answer 4

好吧，这里是一个针对您的特定案例的非完整解析器解决方案：

import urllib

def getWeather(city):
    ''' given city name or postal code,
        return dictionary with current weather conditions
    '''
    url = 'http://www.google.com/ig/api?weather='
    try:
        f = urllib.urlopen(url + urllib.quote(city))
    except:
        return "Error opening url"
    s = f.read().replace('\r','').replace('\n','')
    if '<problem' in s:
        return "Problem retreaving weather (invalid city?)"

    weather = s.split('</current_conditions>')[0]  \
               .split('<current_conditions>')[-1]  \
               .strip('</>')                       
    wdict = dict(i.split(' data="') for i in weather.split('"/><'))
    return wdict

及使用示例：

>>> weather = getWeather('94043')
>>> weather
{'temp_f': '67', 'temp_c': '19', 'humidity': 'Humidity: 61%', 'wind_condition': 'Wind: N at 21 mph', 'condition': 'Sunny', 'icon': '/ig/images/weather/sunny.gif'}
>>> weather['humidity']
'Humidity: 61%'
>>> print '%(condition)s\nTemperature %(temp_c)s C (%(temp_f)s F)\n%(humidity)s\n%(wind_condition)s' % weather
Sunny
Temperature 19 C (67 F)
Humidity: 61%
Wind: N at 21 mph

PS。请注意，谷歌输出格式的一个相当微不足道的改变会破坏这一点——比如他们是否要在标签或属性之间添加额外的空格或制表符。他们避免减少http响应的大小。但如果他们这样做了，我们就必须熟悉正则表达式和 re.split()

PPS。文档中解释了str.split(sep) 的工作原理，以下是摘录：返回字符串中的单词列表，使用 sep 作为分隔符字符串。 ... sep 参数可能包含多个字符（例如，'123'.split('') 返回 ['1', '2', '3']）。所以'text1<tag>text2</tag>text3'.split('</tag>') 给了我们['text1<tag>text2', 'text3']，然后[0] 拾取第一个元素'text1<tag>text2'，然后我们拆分并拾取包含我们感兴趣的数据的'text2'。真的很老套。