使用 Python 和 ElementTree 对 XML 文档进行排序

Question

我正在尝试重新组织一些 xml 文件，其中包含完整路径的几个部分，其结构如下：

<trk>
    <name>GPSRoute.XML</name>
    <trkseg>
        <trkpt lat="37.077882" lon="-112.242785">
            <ele>1688.00</ele>
            <time>2020-04-18T01:56:39.80Z</time>
        </trkpt>
        <extensions>
            <name>14</name>
            <gte:color>#00ce00</gte:color>
        </extensions>
    </trkseg>
    <trkseg>
        <trkpt lat="37.077888" lon="-112.242783">
            <ele>1688.00</ele>
            <time>2020-04-18T01:56:39.80Z</time>
        </trkpt>
        <extensions>
            <name>1</name>
            <gte:color>#00ce00</gte:color>
        </extensions>
    </trkseg>
</trk>

我正在尝试按名称而不是当前时间对文件进行排序，并将结果写入新文件。 到目前为止，这就是我已经走了多远，它成功地捕获了列表中的名称，但它在 data.sort() 上出错：

“TypeError：'xml.etree.ElementTree.Element'和'xml.etree.ElementTree.Element'的实例之间不支持'<'”

如果有人能指出我正确的方向，将不胜感激！

import xml.etree.ElementTree as ET

tree = ET.parse('Filename.xml')

root = tree.getroot()
data = []
for track in root:
    for segment in track:
        for extension in segment:
            for name in extension.findall('name'):
                print(name.text)
                data.append((name))
            data.sort()


tree.write('Sorted.xml')

Answer 1

我认为，在您到达 xpath 3.1 之前，没有真正的方法可以对 xml 进行排序，但有可能解决这个问题。

请注意，由于您问题中的 xml 无效（您有未声明的命名空间），因此我使用了更宽容的 html 解析器。 对于您的实际代码，您应该使用 xml 解析器，如下所示。

此代码的作用是从每个<trkseg>父节点收集每个<name>子节点的节点值（即您的目标编号），将它们保存到列表中，对列表进行排序，再次使用排序列表 select <trkseg>节点，并使用它们（连同开始和结束标签）创建一个新的 xml。

import lxml.html as lh # with actual xml you would probably use "from lxml import etree"
trk = """your xml above"""

doc = lh.fromstring(trk) # with actual xml you should probably use "doc = etree.XML(trk)"

names = []
new_trk = """<trk>
    <name>GPSRoute.XML</name>""" # this is the preamble which is left untouched
for nam in doc.xpath('//extensions//name'):
    names.append(nam.text) #grab the numbers
for name in sorted(names): #sort the grabbed numbers
    target = doc.xpath(f'//trkseg[.//name/text()={name}]')
    for t in target:
        new_trk += lh.tostring(t).decode()
new_trk += '</trk>' # append the closing tag, which is also left untouched
print(new_trk)

Output：

<trk>
    <name>GPSRoute.XML</name><trkseg>
        <trkpt lat="37.077888" lon="-112.242783">
            <ele>1688.00</ele>
            <time>2020-04-18T01:56:39.80Z</time>
        </trkpt>
        <extensions>
            <name>1</name>
            <color>#00ce00</color>
        </extensions>
    </trkseg>
<trkseg>
        <trkpt lat="37.077882" lon="-112.242785">
            <ele>1688.00</ele>
            <time>2020-04-18T01:56:39.80Z</time>
        </trkpt>
        <extensions>
            <name>14</name>
            <color>#00ce00</color>
        </extensions>
    </trkseg>
    </trk>

Answer 2

Element object 可以被视为以子元素为成员的可迭代对象。 这使得对根元素的子元素进行排序变得容易。 在这种情况下，我们需要为第一个孩子 ( <name>GPSRoute.XML</name> ) 设置一个例外，它不参与排序。

XML 文档中有一个未声明的命名空间前缀，所以为了使它工作，我将gte:color更改为color 。

import xml.etree.ElementTree as ET

tree = ET.parse('Filename.xml')
root = tree.getroot()

# Temporarily remove the 'name' element
name = root.find("name")
root.remove(name)

# Sort the 'trkseg' elements using 'extensions/name' as key
root[:] = sorted(root, key=lambda trkseg: int(trkseg.findtext("extensions/name")))

# Put the 'name' element back
root.insert(0, name)

print(ET.tostring(root).decode())

结果：

<trk>
  <name>GPSRoute.XML</name>
  <trkseg>
    <trkpt lat="37.077888" lon="-112.242783">
      <ele>1688.00</ele>
      <time>2020-04-18T01:56:39.80Z</time>
    </trkpt>
    <extensions>
      <name>1</name>
      <color>#00ce00</color>
    </extensions>
  </trkseg>
<trkseg>
    <trkpt lat="37.077882" lon="-112.242785">
      <ele>1688.00</ele>
      <time>2020-04-18T01:56:39.80Z</time>
    </trkpt>
    <extensions>
      <name>14</name>
      <color>#00ce00</color>
    </extensions>
  </trkseg>
  </trk>