使用 python etree 从 xml 中删除模式

Question

我有一个 xml 文件如下：

<?xml version="1.0" encoding="UTF-8"?>
<kw name="k1" library="k1">
    <kw name="k2" library="k2">
        <kw name="Keep This" library="Keep This">
            <c name="c4" library="c4">
            </c>
        </kw>
        <kw name="k3" library="k3">
            <c name="c4" library="c4">
            </c>
        </kw>
        <c name="c3" library="c3">
            <c name="c4" library="c4">
            </c>
        </c>
    </kw>
</kw>

我想删除表，但除了满足以下规则：

1. tag = kw并且属性包含“Keep This”
2. 那些标签不是 kw

另一个表应该从 xml 中删除

所以输出应该是这样的：

<?xml version="1.0" encoding="UTF-8"?>
<kw name="k1" library="k1">
    <kw name="k2" library="k2">
        <kw name="Keep This" library="Keep This">
            <c name="c4" library="c4">
            </c>
        </kw>
        <c name="c3" library="c3">
            <c name="c4" library="c4">
            </c>
        </c>
    </kw>
</kw>

跟踪递归函数真的很难，有人可以帮助我或推荐另一种方法来实现我的要求吗？

import xml.etree.ElementTree as ET
tree = ET.parse('a.xml')
root = tree.getroot()


def check(root):
    # if subchild exist "kw" tag, parse to the subchild
    if 'kw' in ([child.tag for child in root]):
        for child in root:
            flag = check(child)
            # remove
            if not flag:
                root.remove(child)
    # if subchild dose not exist "kw" tag
    else:
        if root.tag == 'kw':
            # Check if itself's tag is kw and "Keep this"
            if 'Keep This' in [root.attrib[child] for child in root.attrib]:
                return True
            # Remove if itself's tag is kw but without "Keep this"
            else:
                print ('remove')
                return False
        else:
            return True

check(root)

ET.dump(root)

Answer 1

您可以改用以下递归函数。 请注意使用异常作为通知父级删除子级的一种方式，因为必须从父级中删除节点，并且布尔返回值仅指示是否带有kw标记和Keep This属性值的后代Keep This是找到了。 这具有在根节点下根本找不到“保持”节点时通知调用者的好处，根据规则，应该删除它，但不能因为它是根节点：

import xml.etree.ElementTree as ET

def check(node):
    if node.tag == 'kw' and any(value == 'Keep This' for value in node.attrib.values()):
        return True
    keep = False
    removals = []
    for child in node:
        try:
            if check(child):
                keep = True
        except RuntimeError:
            removals.append(child)
    for child in removals:
        node.remove(child)
    if node.tag == 'kw' and not keep:
        raise RuntimeError('No "keep" node found under this node')
    return keep

tree = ET.parse('a.xml')
root = tree.getroot()
check(root)
ET.dump(root)

使用您的样本输入，这会输出：

<kw library="k1" name="k1">
    <kw library="k2" name="k2">
        <kw library="Keep This" name="Keep This">
            <c library="c4" name="c4">
            </c>
        </kw>
        <c library="c3" name="c3">
            <c library="c4" name="c4">
            </c>
        </c>
    </kw>
</kw>