Python lxml - 如何删除空重复的标记

Question

我有一些由脚本生成的XML，可能有也可能没有空元素。 有人告诉我，现在我们不能在XML中拥有空元素。 这是一个例子：

<customer>  
    <govId>
       <id>@</id>
       <idType>SSN</idType>
           <issueDate/>
           <expireDate/>
           <dob/>
           <state/>
           <county/>
           <country/>
    </govId>
    <govId>
        <id/>
        <idType/>
        <issueDate/>
        <expireDate/>
        <dob/>
        <state/>
        <county/>
        <country/>
    </govId>
</customer>

输出应如下所示：

<customer>  
    <govId>
       <id>@</id>
       <idType>SSN</idType>        
    </govId>        
</customer>

我需要删除所有空元素。 你会注意到我的代码在“govId”子元素中删除了空的东西，但是在第二个元素中没有取出任何东西。 我目前正在使用lxml.objectify。

这基本上就是我在做什么：

root = objectify.fromstring(xml)
for customer in root.customers.iterchildren():
    for e in customer.govId.iterchildren():
        if not e.text:
            customer.govId.remove(e)

有没有人知道用lxml objectify做这个的方法还是有一个更简单的方法期？ 如果它的所有元素都是空的，我还想完整地删除第二个“govId”元素。

Answer 1

首先，你的代码的问题在于你是在迭代customers ，而不是在govIds 。 在第三行，您为每个客户采用第一个 govId ，并迭代其子项。 因此，您需要另一个for循环，以使代码像您希望的那样工作。

在你的问题结尾处的这个小句子然后使问题变得更复杂： 如果所有元素都是空的，我还想完整地删除第二个“govId”元素。

这意味着，除非您想要硬编码只检查一个级别的嵌套，否则需要递归检查元素及其子元素是否为空。 像这样例如：

def recursively_empty(e):
   if e.text:
       return False
   return all((recursively_empty(c) for c in e.iterchildren()))

注意 ：Python 2.5+因为使用了all()内置 。

然后，您可以将代码更改为类似的内容，以删除文档中一直为空的所有元素。

# Walk over all elements in the tree and remove all
# nodes that are recursively empty
context = etree.iterwalk(root)
for action, elem in context:
    parent = elem.getparent()
    if recursively_empty(elem):
        parent.remove(elem)

样本输出：

<customer>
  <govId>
    <id>@</id>
    <idType>SSN</idType>
  </govId>
</customer>

您可能想要做的一件事是在递归函数中改进if e.text:条件。 目前，这将考虑None和空字符串为空，但不是空格和换行符。 如果这是你的“空”定义的一部分，请使用str.strip() 。

---

编辑 ：正如@Dave所指出的，可以通过使用生成器表达式来改进递归函数：

return all((recursively_empty(c) for c in e.getchildren()))

这不会一次评估所有孩子的recursively_empty(c) ，而是懒惰地为每个孩子评估它。 由于all()将在第一个False元素上停止迭代，这可能意味着显着的性能提升。

编辑2 ：使用e.iterchildren()而不是e.getchildren()可以进一步优化表达式。 这适用于lxml etree API和objectify API 。