Python如何从xml文本节点中去除空格

Question

我有一个xml文件，如下所示

<Person>
<name>

 My Name

</name>
<Address>My Address</Address>
</Person>

标记有多余的新行，是否有任何快速的Pythonic方式来修剪它并生成新的xml。

我发现了这个，但是它只修剪了标签之间的值，而不是值https://skyl.org/log/post/skyl/2010/04/remove-insignificant-whitespace-from-xml-string-with-python/

更新1-处理以下xml，该xml在<name>标记中具有尾部空格

<Person>
<name>

 My Name<shortname>My</short>

</name>
<Address>My Address</Address>
</Person>

两种类型的xml都接受答案的句柄

更新2-我在下面的答案中发布了我的版本，我正在使用它删除所有类型的空格并使用xml编码在文件中生成漂亮的xml

https://stackoverflow.com/a/19396130/973699

Answer 1

使用lxml您可以遍历所有元素并检查是否有文本要strip() ：

from lxml import etree

tree = etree.parse('xmlfile')
root = tree.getroot()

for elem in root.iter('*'):
    if elem.text is not None:
        elem.text = elem.text.strip()

print(etree.tostring(root))

它产生：

<Person><name>My Name</name>
<Address>My Address</Address>
</Person>

---

更新也删除tail文本：

from lxml import etree

tree = etree.parse('xmlfile')
root = tree.getroot()

for elem in root.iter('*'):
    if elem.text is not None:
        elem.text = elem.text.strip()
    if elem.tail is not None:
        elem.tail = elem.tail.strip()

print(etree.tostring(root, encoding="utf-8", xml_declaration=True))

Answer 2

Birei使用lxml给出的公认答案可以很好地完成这项工作，但是我想修剪所有的白色/空白，空白行并在xml文件中重新生成漂亮的xml。

以下代码实现了我想要的

from lxml import etree

#discard strings which are entirely white spaces
myparser = etree.XMLParser(remove_blank_text=True)

root = etree.parse('xmlfile',myparser)

#from Birei's answer 
for elem in root.iter('*'):
    if elem.text is not None:
        elem.text = elem.text.strip()
    if elem.tail is not None:
        elem.tail = elem.tail.strip()

#write the xml file with pretty print and xml encoding
root.write('xmlfile', pretty_print=True, encoding="utf-8", xml_declaration=True)

Answer 3

您必须以这种方式进行xml解析，因此也许使用xml.sax并在每个事件处复制到输出流（跳过ignorableWhitespace ），并根据需要添加标签标记。 在此处检查示例代码http://www.knowthytools.com/2010/03/sax-parsing-with-python.html 。

Answer 4

您可以使用beautifulsoup 。 遍历所有元素，对于每个包含一些文本的元素，将其替换为剥离后的版本：

from bs4 import BeautifulSoup

soup = BeautifulSoup(open('xmlfile', 'r'), 'xml')

for elem in soup.find_all():
    if elem.string is not None:
        elem.string = elem.string.strip()

print(soup)

假设xmlfile具有问题中提供的内容，它将产生：

<?xml version="1.0" encoding="utf-8"?>
<Person>
<name>My Name</name>
<Address>My Address</Address>
</Person>

Answer 5

我正在使用旧版本的Python（2.3），并且目前仍在使用标准库。 为了显示一个向后兼容的答案，我已经使用xml.dom和xml.minidom函数编写了此代码。

import codecs
from xml.dom import minidom

# Read in the file to a DOM data structure.
original_document = minidom.parse("original_document.xml")

# Open a UTF-8 encoded file, because it's fairly standard for XML.
stripped_file = codecs.open("stripped_document.xml", "w", encoding="utf8")

# Tell minidom to format the child text nodes without any extra whitespace.
original_document.writexml(stripped_file, indent="", addindent="", newl="")

stripped_file.close()

尽管它不是BeautifulSoup ，但此解决方案非常优雅，并使用了较低级API的全部功能。 请注意，实际的格式只是一行：)

此处使用的API调用文档：

• minidom.parse
• minidom.Node.writexml
• codecs.open