我有一个非常大的 .xml 文件，我正在尝试制作一个新的 .xml 文件，它只包含这个较大文件内容的一小部分。我想指定一个属性（在我的例子中，一个 itemID）并给它一些特定的值，然后它会删除所有元素，除了那些具有这些 itemID 及其子元素的元素。
我的大 .xml 文件看起来像这样：
<?xml version='1.0' encoding='UTF-8'?>
<api version="2">
<currentTime>2013-02-27 17:00:18</currentTime>
<result>
<rowset name="assets" key="itemID" columns="itemID,locationID,typeID,quantity,flag,singleton">
<row itemID="1008551770576" locationID="31000559" typeID="17187" quantity="1" flag="0" singleton="1" rawQuantity="-1" />
<row itemID="1008700753886" locationID="31000559" typeID="17187" quantity="1" flag="0" singleton="1" rawQuantity="-1" />
<row itemID="1008700756994" locationID="31000559" typeID="17184" quantity="1" flag="0" singleton="1" rawQuantity="-1" />
<row itemID="1008701224901" locationID="31000559" typeID="17186" quantity="1" flag="0" singleton="1" rawQuantity="-1" />
<row itemID="1004072840841" locationID="31002238" typeID="17621" quantity="1" flag="0" singleton="1" rawQuantity="-1">
<rowset name="contents" key="itemID" columns="itemID,typeID,quantity,flag,singleton">
<row itemID="150571923" typeID="25863" quantity="2" flag="119" singleton="0" />
<row itemID="188435728" typeID="3388" quantity="1" flag="119" singleton="0" />
<row itemID="210122947" typeID="3419" quantity="4" flag="119" singleton="0" />
</rowset>
</row>
<row itemID="1005279202146" locationID="31002238" typeID="17621" quantity="1" flag="0" singleton="1" rawQuantity="-1">
<rowset name="contents" key="itemID" columns="itemID,typeID,quantity,flag,singleton">
<row itemID="1004239962001" typeID="16275" quantity="49596" flag="4" singleton="0" />
<row itemID="1005364142068" typeID="4246" quantity="156929" flag="4" singleton="0" />
<row itemID="1005624252854" typeID="4247" quantity="93313" flag="4" singleton="0" />
</rowset>
</row>
<row itemID="1004388226389" typeID="648" quantity="1" flag="0" singleton="1" rawQuantity="-1">
<rowset name="contents" key="itemID" columns="itemID,typeID,quantity,flag,singleton">
<row itemID="1004388228218" typeID="31119" quantity="1" flag="92" singleton="1" rawQuantity="-1" />
<row itemID="1004388701243" typeID="31119" quantity="1" flag="94" singleton="1" rawQuantity="-1" />
<row itemID="1004388701485" typeID="31119" quantity="1" flag="93" singleton="1" rawQuantity="-1" />
<row itemID="1009147502645" typeID="51" quantity="1" flag="5" singleton="1" rawQuantity="-1" />
</rowset>
</row>
</rowset>
</result>
<cachedUntil>2013-02-27 23:00:18</cachedUntil>
</api>
这个文件有大约九万行，大约 9 兆字节。
请注意如何存在 itemID，并且某些项目类型可以（但并不总是）在其中包含更多项目，并且这些子项也有自己的 itemID。我正在尝试获取一些特定的 itemID 及其子项，而忽略所有其他项。
我使用了这个答案中的代码，它让我非常接近。它是完美的，只是它忽略了我使用的 itemID 的子项。
我的代码如下所示：
import lxml.etree as le
##Take this big .xml file and pull out just the parts we want then write those to a new .xml file##
with open(filename,'r') as f:
doc=le.parse(f)
for elem in doc.xpath('//*[attribute::itemID]'):
if elem.attrib['itemID']=='1004072840841':
elem.attrib.pop('itemID')
else:
parent=elem.getparent()
parent.remove(elem)
print(le.tostring(doc))
这是生成的打印输出的样子：
<api version="2">
<currentTime>2013-03-01 21:46:52</currentTime>
<result>
<rowset name="assets" key="itemID" columns="itemID,locationID,typeID,quantity,flag,singleton">
<row locationID="31002238" typeID="17621" quantity="1" flag="0" singleton="1" rawQuantity="-1">
<rowset name="contents" key="itemID" columns="itemID,typeID,quantity,flag,singleton">
</rowset>
</row>
</rowset>
</result>
<cachedUntil>2013-03-02 03:46:53</cachedUntil>
</api>
我希望它看起来像这样：
<api version="2">
<currentTime>2013-03-01 21:46:52</currentTime>
<result>
<rowset name="assets" key="itemID" columns="itemID,locationID,typeID,quantity,flag,singleton">
<row locationID="31002238" typeID="17621" quantity="1" flag="0" singleton="1" rawQuantity="-1">
<rowset name="contents" key="itemID" columns="itemID,typeID,quantity,flag,singleton">
<row itemID="150571923" typeID="25863" quantity="2" flag="119" singleton="0" />
<row itemID="188435728" typeID="3388" quantity="1" flag="119" singleton="0" />
<row itemID="210122947" typeID="3419" quantity="4" flag="119" singleton="0" />
</rowset>
</row>
</rowset>
</result>
<cachedUntil>2013-03-02 03:46:53</cachedUntil>
</api>
我对代码的理解不够好，无法查看需要更改的内容才能包含我要搜索的 itemID 的子项。此外，理想情况下，我可以放入多个 itemID，它会删除除那些 itemID 及其子项之外的所有内容。这意味着它需要保留itemID=[number]row 属性（这样当我使用这个 xml 文件时，我可以使用 xPath 来引用特定的 itemID 及其子项。）
所以我的主要问题是如何在生成的 .xml 中包含我搜索的 itemID 的子项。我的第二个问题是关于如何同时为多个 itemID 执行此操作（以便生成的 .xml 文件将删除除那些 itemID 及其子项之外的所有内容。）
更新：丑陋的解决方案
我发现这elem.attrib.pop('itemID')部分是取出 itemID 的部分，因为我想拥有多个 itemID 并且他们的孩子仍然存在，所以我需要保留这个，所以我把那个部分拿出来了。我试图找到一种方法来跳过带有我正在搜索的 itemID 的行的子代，我想出的是用一个属性标记每个子代，然后我可以重新搜索并删除所有没有的有那个属性。我不需要 flag 属性来做我正在做的事情，所以我继续使用它来达到这个目的（因为当我尝试迭代它们时，尝试引入新属性时遇到了一个关键错误。）只是标记孩子们还不够，我还得给孩子们的孩子贴上标签。
这是我丑陋的解决方案：
with open(filename,'r') as f:
doc=le.parse(f)
for elem in doc.xpath('//*[attribute::itemID]'):
if elem.attrib['itemID']=='1004072840841' or elem.attrib['itemID']=='1005279202146': # this or statement lets me get a resulting .xml file that has two itemIDs and their children
elem.attrib['flag']='Keep'
for child in elem.iterchildren():
child.attrib['flag']='Keep'
for c in child.iterchildren():
c.attrib['flag']='Keep'
else:
pass
for e in doc.xpath('//*[attribute::flag]'):
if e.attrib['flag']!='Keep':
parent=e.getparent()
parent.remove(e)
else:
pass
print(le.tostring(doc))
##This part writes the pruned down .xml to a file##
with open('test.xml', 'w') as t:
for line in le.tostring(doc):
t.write(line)
t.close
这个丑陋的解决方案涉及对数据的大量迭代，我怀疑它远不是完成这项工作的最有效方法，但它确实有效。