18

我正在使用 Python (minidom) 来解析一个 XML 文件，该文件打印一个看起来像这样的层次结构（这里使用缩进来显示重要的层次关系）：

My Document
Overview
    Basic Features
    About This Software
        Platforms Supported

相反，程序在节点上迭代多次并生成以下打印重复节点。（查看每次迭代的节点列表，很明显它为什么会这样做，但我似乎无法找到一种方法来获取我正在寻找的节点列表。）

My Document
Overview
Basic Features
About This Software
Platforms Supported
Basic Features
About This Software
Platforms Supported
Platforms Supported

这是 XML 源文件：

<?xml version="1.0" encoding="UTF-8"?>
<DOCMAP>
    <Topic Target="ALL">
        <Title>My Document</Title>
    </Topic>
    <Topic Target="ALL">
        <Title>Overview</Title>
        <Topic Target="ALL">
            <Title>Basic Features</Title>
        </Topic>
        <Topic Target="ALL">
            <Title>About This Software</Title>
            <Topic Target="ALL">
                <Title>Platforms Supported</Title>
            </Topic>
        </Topic>
    </Topic>
</DOCMAP>

这是 Python 程序：

import xml.dom.minidom
from xml.dom.minidom import Node

dom = xml.dom.minidom.parse("test.xml")
Topic=dom.getElementsByTagName('Topic')
i = 0
for node in Topic:
    alist=node.getElementsByTagName('Title')
    for a in alist:
        Title= a.firstChild.data
        print Title

我可以通过不嵌套“主题”元素来解决问题，方法是将较低级别的主题名称更改为“SubTopic1”和“SubTopic2”之类的名称。但是，我想利用内置的 XML 层次结构而不需要不同的元素名称；似乎我应该能够嵌套“主题”元素，并且应该有某种方法可以知道我当前正在查看的“主题”级别。

我尝试了许多不同的 XPath 函数，但没有取得多大成功。

4

5 回答 5

10

getElementsByTagName 是递归的，您将获得具有匹配 tagName 的所有后代。因为您的主题包含其他也有标题的主题，所以调用将多次获取较低的标题。

如果您只想询问所有匹配的直接子代，并且没有可用的 XPath，则可以编写一个简单的过滤器，例如：

def getChildrenByTagName(node, tagName):
    for child in node.childNodes:
        if child.nodeType==child.ELEMENT_NODE and (tagName=='*' or child.tagName==tagName):
            yield child

for topic in document.getElementsByTagName('Topic'):
    title= list(getChildrenByTagName('Title'))[0]         # or just get(...).next()
    print title.firstChild.data
于 2009-10-20T22:17:38.053 回答
8

以下作品：

import xml.dom.minidom
from xml.dom.minidom import Node

dom = xml.dom.minidom.parse("docmap.xml")

def getChildrenByTitle(node):
    for child in node.childNodes:
        if child.localName=='Title':
            yield child

Topic=dom.getElementsByTagName('Topic')
for node in Topic:
    alist=getChildrenByTitle(node)
    for a in alist:
        Title= a.childNodes[0].nodeValue
        print Title
于 2009-10-21T00:04:10.467 回答
4

我认为这会有所帮助

import os
import sys
import subprocess
import base64,xml.dom.minidom
from xml.dom.minidom import Node
f = open("file.xml",'r')
data = f.read()
i = 0
doc = xml.dom.minidom.parseString(data)
for topic in doc.getElementsByTagName('Topic'):
   title= doc.getElementsByTagName('Title')[i].firstChild.nodeValue
   print title
   i +=1

输出：

My Document
Overview
Basic Features
About This Software
Platforms Supported
于 2014-01-28T16:07:43.927 回答
3

您可以使用以下生成器运行列表并获取具有缩进级别的标题：

def f(elem, level=-1):
    if elem.nodeName == "Title":
        yield elem.childNodes[0].nodeValue, level
    elif elem.nodeType == elem.ELEMENT_NODE:
        for child in elem.childNodes:
            for e, l in f(child, level + 1):
                yield e, l

如果你用你的文件测试它：

import xml.dom.minidom as minidom
doc = minidom.parse("test.xml")
list(f(doc))

你会得到一个包含以下元组的列表：

(u'My Document', 1), 
(u'Overview', 1), 
(u'Basic Features', 2), 
(u'About This Software', 2), 
(u'Platforms Supported', 3)

当然，微调只是一个基本的想法。如果您只想在开始时使用空格，则可以直接在生成器中对其进行编码，尽管在级别上您具有更大的灵活性。您还可以自动检测第一个级别（这里将级别初始化为 -1 只是一项糟糕的工作......）。

于 2009-10-21T18:45:23.890 回答
2

递归函数：

import xml.dom.minidom

def traverseTree(document, depth=0):
  tag = document.tagName
  for child in document.childNodes:
    if child.nodeType == child.TEXT_NODE:
      if document.tagName == 'Title':
        print depth*'    ', child.data
    if child.nodeType == xml.dom.Node.ELEMENT_NODE:
      traverseTree(child, depth+1)

filename = 'sample.xml'
dom = xml.dom.minidom.parse(filename)
traverseTree(dom.documentElement)

你的xml：

<?xml version="1.0" encoding="UTF-8"?>
<DOCMAP>
    <Topic Target="ALL">
        <Title>My Document</Title>
    </Topic>
    <Topic Target="ALL">
        <Title>Overview</Title>
        <Topic Target="ALL">
            <Title>Basic Features</Title>
        </Topic>
        <Topic Target="ALL">
            <Title>About This Software</Title>
            <Topic Target="ALL">
                <Title>Platforms Supported</Title>
            </Topic>
        </Topic>
    </Topic>
</DOCMAP>

您想要的输出：

 $ python parse_sample.py 
      My Document
      Overview
          Basic Features
          About This Software
              Platforms Supported
于 2013-01-10T10:08:00.657 回答