解析缺失标签的XML文件

0 投票

2 回答

674 浏览

提问于 2025-04-15 17:33

我正在尝试解析一个xml文件。文件中标签里的文字可以成功解析（或者看起来是这样），但我想输出那些不在标签中的文字，而下面的程序却忽略了这些内容。

from xml.etree.ElementTree import XMLTreeBuilder

class HtmlLatex:                     # The target object of the parser
    out = ''
    var = ''
    def start(self, tag, attrib):   # Called for each opening tag.
        pass
    def end(self, tag):             # Called for each closing tag.
        if tag == 'i':
            self.out += self.var
        elif tag == 'sub':
            self.out += '_{' + self.var + '}'
        elif tag == 'sup':
            self.out += '^{' + self.var + '}'
        else:
            self.out += self.var
    def data(self, data):
        self.var = data
    def close(self):
        print(self.out)


if __name__ == '__main__':
    target = HtmlLatex()
    parser = XMLTreeBuilder(target=target)

    text = ''
    with open('input.txt') as f1:
        text = f1.read()

    print(text)

    parser.feed(text)
    parser.close()

我想解析的输入的一部分是： p0 = (m3+(2l2+l1) m2+(l22+2l1 l2+l12) m) /(m3+(3l2+2l1) ) }.

数据解析 xml解析文本提取标签处理

2 个回答

看看这个BeautifulSoup，这是一个用Python写的库，可以帮助你解析、浏览和处理HTML和XML文件。它的界面很友好，可能能帮你解决问题……

回答于 2025-04-15 由 Python大师

分享举报

这是一个使用pyparsing的版本——我希望注释能解释得够清楚。

src = """<p><i>p</i><sub>0</sub> = (<i>m</i><sup>3</sup>+(2<i>l</i><sub>2</sub>+<i>l</i><sub>1</sub>) """ \
      """<i>m</i><sup>2</sup>+(<i>l</i><sub>2</sub><sup>2</sup>+2<i>l</i><sub>1</sub> <i>l</i><sub>2</sub>+""" \
      """<i>l</i><sub>1</sub><sup>2</sup>) <i>m</i>) /(<i>m</i><sup>3</sup>+(3<i>l</i><sub>2</sub>+""" \
      """2<i>l</i><sub>1</sub>) ) }.</p>"""

from pyparsing import makeHTMLTags, anyOpenTag, anyCloseTag, Suppress, replaceWith

# set up tag matching for <sub> and <sup> tags
SUB,endSUB = makeHTMLTags("sub")
SUP,endSUP = makeHTMLTags("sup")

# all other tags will be suppressed from the output
ANY,endANY = map(Suppress,(anyOpenTag,anyCloseTag))

SUB.setParseAction(replaceWith("_{"))
SUP.setParseAction(replaceWith("^{"))
endSUB.setParseAction(replaceWith("}"))
endSUP.setParseAction(replaceWith("}"))

transformer = (SUB | endSUB | SUP | endSUP | ANY | endANY)

# now use the transformer to apply these transforms to the input string
print transformer.transformString(src)

结果是

p_{0} = (m^{3}+(2l_{2}+l_{1}) m^{2}+(l_{2}^{2}+2l_{1} l_{2}+l_{1}^{2}) m) /(m^{3}+(3l_{2}+2l_{1}) ) }.

回答于 2025-04-15 由 Python大师

分享举报

解析缺失标签的XML文件

2 个回答

撰写回答