使用python ElementTree解析XML文件中的未知元素

Question

我希望从多用途xml文件中提取所有标记名称及其对应的数据。 然后将该信息保存到python字典中（例如，tag =键，data =值）。 捕获是标签名称和值未知，数量未知。

    <some_root_name>
        <tag_x>bubbles</tag_x>
        <tag_y>car</tag_y>
        <tag...>42</tag...>
    </some_root_name>

我正在使用ElementTree，可以成功提取根标签，并可以通过引用标签名称来提取值，但是还没有找到一种方法来简单地遍历标签和数据而不引用标签名称。

任何帮助都会很棒。

谢谢。

Answer 1

from lxml import etree as ET

xmlString = """
    <some_root_name>
        <tag_x>bubbles</tag_x>
        <tag_y>car</tag_y>
        <tag...>42</tag...>
    </some_root_name> """

document = ET.fromstring(xmlString)
for elementtag in document.getiterator():
   print "elementtag name:", elementtag.tag

编辑：从文件而不是从字符串读取

document = ET.parse("myxmlfile.xml")

Answer 2

>>> import xml.etree.cElementTree as et
>>> xml = """
...    <some_root_name>
...         <tag_x>bubbles</tag_x>
...         <tag_y>car</tag_y>
...         <tag...>42</tag...>
...     </some_root_name>
... """
>>> doc = et.fromstring(xml)
>>> print dict((el.tag, el.text) for el in doc)
{'tag_x': 'bubbles', 'tag_y': 'car', 'tag...': '42'}

如果您确实想要42而不是'42' ，那么您将需要更加努力，更加优雅地工作。

Answer 3

您可以使用xml.sax.handler来解析XML：

import xml.sax as sax
import xml.sax.handler as saxhandler
import pprint

class TagParser(saxhandler.ContentHandler):
    # http://docs.python.org/library/xml.sax.handler.html#contenthandler-objects
    def __init__(self):
        self.tags = {}
    def startElement(self, name, attrs):
        self.tag = name
    def endElement(self, name):
        if self.tag:
            self.tags[self.tag] = self.data
            self.tag = None
            self.data = None
    def characters(self, content):
        self.data = content

parser = TagParser()
src = '''\
<some_root_name>
    <tag_x>bubbles</tag_x>
    <tag_y>car</tag_y>
    <tag...>42</tag...>
</some_root_name>'''
sax.parseString(src, parser)
pprint.pprint(parser.tags)

产量

{u'tag...': u'42', u'tag_x': u'bubbles', u'tag_y': u'car'}

Answer 4

这可以在python中使用lxml完成

from lxml import etree

myxml = """
          <root>
             value
          </root> """

doc = etree.XML(myxml)

d = {}
for element in doc.iter():
      key = element.tag
      value = element.text
      d[key] = value

print d