Python：在xml中，如何刪除父節點中的節點

Question

我有一個非常大的XML，我需要從刪除一些特定的節點在另一個節點。 例如我有一個列表，其中包含應該出現在xml中的節點的名稱。因此，除了這些節點之外，父節點中的所有其他節點都應該被刪除並寫入新的xml文件。

我只需要刪除節點，即「實例」，其中第一個「數據」元素不等於出現在我的名單，我會提供一個值。其餘的xml信息，即'描述'，'符號'標籤不應該被打擾。

假設：我已經解析了應該從外部文件讀取到python列表變量的數據。

DOM或SAX任何人都可以。但我相信DOM非常快。 對於任何BIF的可用或邏輯的任何提示對我來說也是很好的。

注意：我是Python新手。所以請評論我的代碼中是否有任何錯誤。

我下面的代碼：

from xml.etree.ElementTree import ElementTree 
tree = ElementTree() 
tree.parse('Test.xml') 

file = open("File.txt") 

list = [] 

for lines in file: 
    list.append(lines) 

Instance = tree.findall('Instance') 
for i in Instance: 
    while (i != list[i]): 
     Instance.remove(i) 

tree.write('new.xml') 

下面是示例XML文件：

<?xml version='1.0' encoding='UTF-8'?> 
<Identification> 
<Description ID="12">Some text</Description> 
</Identification> 
<Symbols> 
    <Name Width="1">abc</Name> 
    <Name Width="2">def</Name> 
</Symbols> 

<Instance RowRef="A"> 
    <DataSet> 
    <Data>12345678</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
</Instance> 
<Instance RowRef="B"> 
    <DataSet> 
    <Data>87654321</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
</Instance> 
<Instance RowRef="C"> 
    <DataSet> 
    <Data>06354237/Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 

Answer 1

您是數點的困惑。

第一個，您提供的xml缺少根標記。您的XML文件看起來應該更喜歡這個（其中Root可以與任何標籤更換是必要的）：

<?xml version='1.0' encoding='UTF-8'?> 
<Root> 
<Identification> 
<Description ID="12">Some text</Description> 
</Identification> 
<Symbols> 
    <Name Width="1">abc</Name> 
    <Name Width="2">def</Name> 
</Symbols> 

<Instance RowRef="A"> 
    <DataSet> 
    <Data>12345678</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
</Instance> 
<Instance RowRef="B"> 
    <DataSet> 
    <Data>87654321</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
</Instance> 
<Instance RowRef="C"> 
    <DataSet> 
    <Data>06354237</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
</Instance> 
</Root> 

二，如果您擔心速度，可以考慮使用cElementTree代替ElementTree：

>>> import xml.etree.cElementTree as ET # use cElementTree for faster processing 

三，你需要一個名稱分配給ET.parse方法的結果，或者你就沒有辦法以後引用它：

>>> tree = ET.parse('Test.xml') 

四，現在你需要找到樹的根你會發現所有的樹的Instance元素之前：

>>> root = tree.getroot() # now get the root 
>>> keeper_data = ['06354237', '87654321'] # your list that you will apparently get from a file? 
>>> instances = root.findall('Instance') 

現在，你需要找到Instance元件，其Data值表明，應該刪除Instance元素：

第五個，您需要檢查文本是否是第一個Data元素在你的門將名單，並第六，你從rootremove你的元素（或任何父恰好是），而不是從instances：

>>> for instance in instances: 
     data1 = instance.find('./DataSet/Data') 
     if data1.text not in keeper_data: 
      # NOTE WELL: I remove from the root (not the instance) below! 
      root.remove(instance) 

現在寫信給你的新的XML文件：

>>> tree.write('New.xml') 

你生成的XML文件看起來像這樣：

<Root> 
<Identification> 
    <Description ID="12">Some text</Description> 
</Identification> 
<Symbols> 
    <Name Width="1">abc</Name> 
    <Name Width="2">def</Name> 
</Symbols> 
<Instance RowRef="B"> 
    <DataSet> 
    <Data>87654321</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    </Instance> 
    <Instance RowRef="C"> 
    <DataSet> 
    <Data>06354237</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    </Instance> 
</Root> 

不e實例的值爲12345678的數據元素和其他keeper_data元素均未被省略。