[英]How I do capture all of the element names of an XML file using LXML in Python?
我能夠使用lxml來完成我想做的大部分工作,盡管通過模糊的示例和教程很難。 簡而言之,我能夠讀取外部xml文件並通過lxml將其導入到適當的樹狀格式中。
為了證明這一點,如果我輸入:
print(etree.tostring(myXmlTree, pretty_print= True, method= "xml") )
我得到以下輸出:
<net xmlns="http://www.arin.net/whoisrws/core/v1" xmlns:ns2="http://www.arin.net/whoisrws/rdns/v1" xmlns:ns3="http://www.arin.net/whoisrws/netref/v2" termsOfUse="https://www.arin.net/whois_tou.html">
<registrationDate>2006-08-29T00:00:00-04:00</registrationDate>
<ref>http://whois.arin.net/rest/net/NET-79-0-0-0-1</ref>
<endAddress>79.255.255.255</endAddress>
<handle>NET-79-0-0-0-1</handle>
<name>79-RIPE</name>
<netBlocks>
<netBlock>
<cidrLength>8</cidrLength>
<endAddress>79.255.255.255</endAddress>
<description>Allocated to RIPE NCC</description>
<type>RN</type>
<startAddress>79.0.0.0</startAddress>
</netBlock>
</netBlocks>
<orgRef name="RIPE Network Coordination Centre" handle="RIPE">http://whois.arin.net/rest/org/RIPE</orgRef>
<comment>
<line number="0">These addresses have been further assigned to users in</line>
<line number="1">the RIPE NCC region. Contact information can be found in</line>
<line number="2">the RIPE database at http://www.ripe.net/whois</line>
</comment>
<startAddress>79.0.0.0</startAddress>
<updateDate>2009-05-18T07:34:02-04:00</updateDate>
<version>4</version>
</net>
好的,這對人類消費很有用,但對機器沒用。 如果我想要特殊的元素,比如說xml中的起始和結束IP地址,我可以輸入:
ns = myXmlTree.nsmap.values()[0]
myXmlTree.findall("{" + ns + "}startAddress")[0].text
myXmlTree.findall("{" + ns + "}endAddress")[0].text
我會收到:
'79.0.0.0'
'79.255.255.255'
但是我仍然需要將xml文件看作是一個人來知道那里有哪些元素。 相反,我希望能夠檢索特定級別的所有元素的名稱,然后自動遍歷該級別。 所以,舉例來說,我想做的事情如下:
myElements = myXmlTree.findallelements("{" + ns + "}")
它會給我一個返回值,如:
['registrationDate', 'ref', 'endAddress', 'handle', 'name', 'netBlocks', 'orgRef', 'comment', 'startAddress', 'updateDate', 'version']
特別棒的是它能告訴我整個元素結構,包括嵌套元素。
我確實有辦法,否則就沒有意義了。
提前致謝!!
PS,我知道我可以迭代並瀏覽所有迭代的列表。 我希望lxml中已經存在一個包含這些數據的方法。 如果迭代是唯一的方法,我想這沒關系...它對我來說似乎很笨拙。
我相信你正在尋找element.xpath()
。
XPath不是lxml
引入的概念,而是一種通用查詢語言,用於從許多處理XML的事物支持的XML文檔中選擇節點。 可以把它想象成與CSS選擇器類似的東西,但功能更強大(也有點復雜)。 請參閱XPath語法 。
您的文檔使用命名空間 - 我現在將忽略它並在帖子的末尾解釋如何處理它們,因為它使示例更具可讀性。 (但它們不會按原樣用於您的文檔)。
所以,例如,
tree.xpath('/net/endAddress')
將在<net />
節點下方直接選擇<endAddress>79.255.255.255</endAddress>
元素。 但不是<endAddress />
的<endAddress />
<netBlock>
。
XPath表達式
tree.xpath('//endAddress')
但是會在文檔中的任何位置選擇所有<endAddress />
節點。
您當然可以使用XPath epxressions進一步查詢您獲得的節點:
netblocks = tree.xpath('/net/netBlocks/netBlock')
for netblock in netblocks:
start = netblock.xpath('./startAddress/text()')[0]
end = netblock.xpath('./endAddress/text()')[0]
print "%s - %s" % (start, end)
會給你的
79.0.0.0 - 79.255.255.255
請注意, .xpath()
始終返回所選節點的列表 - 因此,如果您只想要一個節點,請.xpath()
該節點。
您還可以按屬性選擇元素:
comment = tree.xpath('/net/comment')[0]
line_2 = comment.xpath("./line[@number='2']")[0]
這將從第一個注釋中選擇number="2"
的<line />
元素。
您也可以自己選擇屬性:
numbers = tree.xpath('//line/attribute::number')
['0', '1', '2']
要獲取最后詢問的元素名稱列表,您可以執行以下操作:
names = [node.tag for node in tree.xpath('/net/*')]
['registrationDate', 'ref', 'endAddress', 'handle', 'name', 'netBlocks', 'orgRef', 'comment', 'startAddress', 'updateDate', 'version']
但是考慮到XPath的強大功能,最好只查詢文檔中您想要了解的內容,如您認為的那樣具體或松散。
現在,名稱空間。 正如您所注意到的,如果您的文檔使用XML命名空間,則需要在許多地方考慮這一點,並且XPath也不例外。 查詢命名空間文檔時,將xpath()
方法傳遞給命名空間映射,如下所示:
NSMAP = {'ns': 'http://www.arin.net/whoisrws/core/v1',
'ns2': 'http://www.arin.net/whoisrws/rdns/v1',
'ns3': 'http://www.arin.net/whoisrws/netref/v2'}
names = [node.tag for node in tree.xpath('/ns:net/*', namespaces=NSMAP)]
在lxml
許多其他位置,您可以使用None
作為命名空間映射中的字典鍵來設置默認命名空間。 不幸的是,不會使用xpath()
,這將引發異常
TypeError: empty namespace prefix is not supported in XPath
因此,您不得不使用ns:
或您選擇將該命名空間映射到的任何地方)為XPath表達式中的每個節點名稱添加前綴。
有關XPath語法的更多信息,請參閱W3Schools Xpath教程中的XPath語法頁面。
要開始使用XPath,在許多XPath測試人員中調整文檔也非常有用。 此外,Firefox的Firebug插件或Google Chrome檢查器允許您顯示所選元素的(或更確切地說,多個)XPath。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.