lxml eTree迭代深度

Question

我正在尝试解析以下格式的xml：

<label>
        <name></name>
        <sometag></sometag>
        <sublabels>
            <label></label>
            <label></label>
        </sublabel>
</label>

与此解析

for event, element in etree.iterparse(gzip.GzipFile(f), events=('end', ), tag='label'):
    if event == 'end':
        name = element.xpath('name/text()')

产生空名称变量，因为

<sublabels>
        <label></label>
        <label></label>
</sublabel>

问题：

除了检查子标签是否为空之外，是否可以设置iterparse的深度或忽略子标签？

Answer 1

这对我有用，并受到先前答案的启发：

name = None
level = 0
for event, element in etree.iterparse(gzip.GzipFile(f), events=('end', 'start' ), tag='label'):
    # Update current level
    if event == 'start': level += 1;
    elif event == 'end': level -= 1;
    # Get name for top level label
    if level == 0:
        name = element.xpath('name/text()')

作为一种替代解决方案，请分析整个文件，然后使用xpath获取顶部标签名称：

from lxml import html

with gzip.open(f, 'rb') as f:
    file_content = f.read()
    tree = html.fromstring(file_content)
    name = tree.xpath('//label/name/text()')

Answer 2

我想到的第一件事

path = []
for event, element in etree.iterparse(gzip.GzipFile(f), events=('start', 'end')):
    if event == 'start':
        path.append(element.tag)
    elif event == 'end':
        if element.tag == 'label':
            if not 'sublabels' in path:
                name = element.xpath('name/text()')
        path.pop()