解析XML文件使用Python的lxml的包

Question

我有下面的XML文件來得到一個完整的標籤：

<root> 

    <scene name="scene1"> 
     <view ath="0" atv="10"/> 
     <image url="img1.jgp"/> 
     <hotspot name="hot1"/> 
    </scene> 

    <scene name="scene2"> 
     <view ath="20" atv="10"/> 
     <image url="img2.jgp"/> 
     <hotspot name="hot2"/> 
    </scene> 

</root> 

我使用LXML包編寫Python腳本，讓整個view標籤在scene1之內。那就是：

<view ath="0" atv="10" /> 

我讀過LXML文件，但所有我能找到的是如何得到的標籤，它的屬性或它的內容，而不是整個標籤。

任何人都可以至少指出我在正確的方向嗎？ lxml是否有一個函數或方法來實現這一點？

感謝，

拉斐爾

Answer 1

XML內容是這樣的字符串：

content = u"""\ 
<root> 

    <scene name="scene1"> 
     <view ath="0" atv="10"/> 
     <image url="img1.jgp"/> 
     <hotspot name="hot1"/> 
    </scene> 

    <scene name="scene2"> 
     <view ath="20" atv="10"/> 
     <image url="img2.jgp"/> 
     <hotspot name="hot2"/> 
    </scene> 

</root> 
""" 

你可以解析一個文件;但是，在這裏，我分析一個StringIO的：

tree = etree.parse(io.StringIO(content)) 

一切都在一個ElementTree加載。

要查找的意見，我用XPath表達式：

views = tree.xpath("//scene/view") 

的結果總是一個列表：

for view in views: 
    print(etree.tostring(view, with_tail=False)) 

您將獲得：

<view ath="0" atv="10"/> 
<view ath="20" atv="10"/> 

Answer 2

你給出XML源代碼包含一些錯誤;我固定的，看我下面的源：

from lxml import etree 

source = """ 
<root> 
    <scene name="scene1"> 
    <view ath="0" atv="10" /> 
    <image url="img1.jgp" /> 
    <hotspot name="hot1" /> 
    </scene> 

    <scene name="scene2"> 
    <view ath="20" atv="10" /> 
    <image url="img2.jgp" /> 
    <hotspot name="hot2" /> 
    </scene> 
</root> 
""" 

解析這個源，將創建一個etree：（對於源從一個文件來，用etree.parse()代替）

tree = etree.fromstring(source) 

現在，您可以通過正確訪問tree來瀏覽已解析的XML。我最喜歡這樣的方式是用XPath進行導航（掌握這些超出你的問題的範圍）：

allViews = tree.xpath('//root/scene/view') 
for view in allViews: 
    print view.attrib 

這將打印的XPath找到的每個視圖標籤的所有XML屬性：

{'atv': '10', 'ath': '0'} 
{'atv': '10', 'ath': '20'} 

當然，你也可以訪問視圖元素的其他屬性，比如嵌入文本（當然這裏是空的）或者它們的子元素（子元素）（當然，在你的例子中他們也沒有子元素）。

你的問題的措辭表明，你可能沒有建立一個事實，即這個view對象確實是「整個視圖標記」的理解。您可以詢問view對象的標籤（view），其屬性（參見上文），其內容（view.text）及其子元素（view.getchildren()，但沒有）。

您可以通過調用etree.tostring(view)將解析的XML結構轉換回ASCII表示形式;這將返回一個字符串，如'<view ath="20" atv="10"/>\n '。在大多數情況下，你不會這樣做。

您也可以訪問元素元素來查看孩子：

print tree.getchildren()[1].getchildren()[0].attrib 

這將打印XML第0孩子的第一個孩子tree元素的屬性（一view）（一scene） ：

{'atv': '10', 'ath': '20'}