Dom 用lxml遍历成图数据库并传递ID建立完整的树

Question

赏金将在 7 天后到期。 回答这个问题有资格获得+50声望奖励。 亚历山大正在寻找一个规范的答案：

我还没有找到答案。 此问题适用于各种图形数据库的所有 dom 遍历。

我正在将由 DOM 树构成的分层数据插入到图形数据库中，但是，我无法在节点之间建立完整的关系。 我在循环时最终截断了树木

下面的代码说明了遍历 DOM 节点、插入标签并获取最后插入的 id。 我遇到的问题是如何通过传递从前一次迭代中获得的 ID 来正确连接树。 当我使用递归时，我遇到了同样的问题。 如何循环并传递 ID，以便它们可以均匀地连接到所有节点树？

考虑以下 HTML

<!doctype html>
<html lang="en">
  <head>
    <meta charset="UTF-8"/>
    <title>Document</title>
  </head>
  <body>
    <ul class="menu">
      <div class="itm">home</div>
      <div class="itm">About us</div>
      <div class="itm">Contact us</div>
    </ul>
    <div id="idone" class="classone">
      <li class="item1">First</li>
      <li class="item2">Second</li>
      <li class="item3">Third</li>
      <div id="innerone"><h1>This Title</h1></div>
      <div id="innertwo"><h2>Subheads</h2></div>      
    </div>
    <div id="second" class="below">
      <div class="inner">
        <h1>welcome</h1>
        <h1>another</h1>
        <h2>third</h2>
      </div>
    </div>
  </body>
</html>

使用当前的 python 代码，我最终得到了如图所示的截断树。 我省略了图形数据库驱动程序。 为了专注于密码，因为大多数图形数据库都遵循几乎相同的密码查询。

import json
from lxml import etree
from itertools import tee
from lxml import html
for n in dom_tree.iter():
        cursor = Cypher("CREATE (t:node {tag: %s} ) RETURN id(t)", params=(n.tag,))
    
        parent_id = cursor.fetchone()[0]  # get last inserted ID
        ag.commit()
        print(f"Parent:{n.tag}")
        for x in n.iterchildren():
            cursor = Cypher("CREATE (x:node {tag: %s} ) RETURN id(x)", params=(x.tag,))
            xid = cursor.fetchone()[0]  # get last inserted ID
            ag.commit()
            print(f"--------{x.tag}")
            cx = Cypher("MATCH (p:node),(k:node) WHERE id(p) = %s AND id(k) = %s CREATE (p)-[:connect {name: p.name+ '->'+k.name}]->(k)", params=(eid, xid,))
            

Answer 1

ElementTree提供了一个方法getiterator()来迭代树中的每个元素：

from lxml import html
tree = html.parse("about.html")
for element in tree.getiterator():
    print(element.attrib)
    print(element.text)

当您访问每个节点时，您还可以使用element.getchildren()或使用element.getparent()其父级的列表。

Answer 2

在您的情况下，您一次又一次地为父节点创建标签节点，您需要向下传递每个级别的父节点的标识符。

要么您必须采用递归方法，将父级的 id 传递给您递归调用的函数。

或者您需要为 dom 树中的元素分配一个 id，例如基于级别和位置（兄弟姐妹）以唯一标识它们。

在neo4j中你也可以使用

MATCH (n) WHERE id(n) = $id
MERGE (n)-[:CHILD]->(m:Node {tag:$tag)

在父级的上下文中创建子级，但这不适用于重复标签。

我会采用递归方法。