0

我想解析 utf-8 中的 xml 文件并按某个字段对其进行排序。排序是由自定义字母（来自源代码的 s1）。问题的历史在这里： 排序包含 utf-8 charachters 的列表。我在这里找到了如何对 xml 进行排序。排序工作正常，问题出在 elementtree 上，我必须承认它在 python3 上不起作用

这是源代码：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
#import xml.etree.ElementTree as ET   # Python 2.5
import elementtree.ElementTree as ET
s1='aáàAâÂbBcCçÇdDeéEfFgGğĞhHiİîÎíīıIjJkKlLmMnNóoOöÖpPqQrRsSşŞtTuUûúÛüÜvVwWxXyYzZ'
s2='11111122334455666aabbccddeeeeeeffgghhiijjkklllllmmnnooppqqrrsssssttuuvvwwxxyy'
trans = str.maketrans(s1, s2)
def unikey(seq):
    return seq[0].translate(trans)
tree = ET.parse("tosort.xml")
container = tree.find("entries")
data = []
for elem in container:
    keyd = elem.findtext("k")
    data.append((keyd, elem))
print (data)
data.sort(key=unikey)
print (data)
container[:] = [item[-1] for item in data]
tree.write("sorted.xml", encoding="utf-8")

以下是 导入 elementtree 模块的说明。当我以这种方式导入模块时 : import xml.etree.ElementTree as ET，我收到一条消息：

Traceback (most recent call last):
File "pcs.py", line 19, in <module>
container[:] = [item[-1] for item in data]
File "/usr/lib/python3.1/xml/etree/ElementTree.py", line 210, in __setitem__
assert iselement(element)
AssertionError

当我使用此方法导入时：import elementtree.ElementTree as ET，我收到此消息：

Traceback (most recent call last):
File "pcs.py", line 4, in <module>
import elementtree.ElementTree as ET
File "/usr/local/lib/python3.1/dist-packages/elementtree/ElementTree.py", line 794, in <module>
_escape = re.compile(eval(r'u"[&<>\"\u0080-\uffff]+"'))
File "<string>", line 1
u"[&<>\"\u0080-\uffff]+"
                       ^
SyntaxError: invalid syntax

我使用 Python 3.1.3（r313:86834，2010 年 11 月 28 日，11:28:10）。在python2.6 elementtree 工作没有问题。

tosort.xml 的内容：

<xdxf>
<entries>
<ar><k>zaaaa</k>definition1</ar>
<ar><k>şaaaa</k>definition2</ar>
...
...
</entries>
</xdxf>
4

2 回答 2

1

看起来您导入了不同的模块，一个在/usr/lib/python3.1被调用xml.etree，另一个在/usr/local/lib/python3.1/dist-packages被调用elementtree。后者对我来说似乎坏了，至于前者，尝试[:]在行中删除

 container[:] = [item[-1] for item in data]
于 2012-06-24T09:14:17.517 回答
0

不要打我太多但是，这是我的解决方案的变体：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET # Python 2.5
from xml.etree.ElementTree import Element
s1="áàaAâÂbBcCçÇdDeéEfFgGğĞhHiİîÎíīıIjJkKlLmMnNóoOöÖpPqQrRsSşŞtTuUûúÛüÜvVwWxXyYzZ"
s2="AAAAAABBCCCCDDEEEFFGGHHddeeeeeeffgghhiijjkklllllmmnnooppqqrrsssssttuuvvwwxxyy"
trans = str.maketrans(s1, s2)
def unikey(seq):
    return seq[0].translate(trans)
tree = ET.parse("tosort.xml")
container = tree.find("entries")
data = []
for elem in container:
    keyd = elem.findtext("k")
    data.append([keyd, elem])
data.sort(key=unikey)
root = tree.getroot()
i=0
for item in data:
    root.append(data[i][1]) # appends sorted Element objects to tree
    i=i+1
#container = [item[-1] for item in data]
root.remove(tree.find("entries")) # removes unsorted Element objects
tree.write("sorted.xml", encoding="utf-8")

解决方案有点难看，但它有效......我不知道对〜50Mb的xml数据进行排序需要多少时间，但在我的情况下时间并不重要。我也稍微改变了排序模式，因为如果单词中有数字，它就会排序错误。在 Acer extensa 5210 上，排序时间不超过 2 分钟。

于 2012-06-26T21:26:30.370 回答