使用递归解析Python中的XML，返回值问题

Question

我对Python和编程还比较陌生，所以请多包涵。先谢谢大家的帮助。

我正在用Python 2.5、cElementTree和expat来解析一个xml文档（具体来说是kml格式，主要用于Google Earth）。我想从每个'placemark'节点中的'name'、'description'和'coordinates'节点提取所有文本，而且我希望把不同的几何类型（比如折线、多边形、点）分开处理。举个例子，我只想要属于'polygon'（也就是有'polygon'节点的）的'placemark'的'name'、'description'和'coordinates'文本。我也需要对'polylines'和'points'做同样的事情。我已经找到了一个方法来实现这个目标，但代码比较长，而且针对每种几何类型都写得很具体，这让我有些困惑。

理想情况下，我希望能用同一段代码处理每种几何类型，但问题是每种几何类型的节点结构不同（也就是节点名称和嵌套节点的数量不同）。所以我觉得这是一个很好的机会来使用/学习递归，深入到'placemark'节点的节点树中，获取我想要的信息。我看了很多关于Python递归的帖子，但在实现这些解决方案时仍然遇到问题。

一个'placemark'节点的示例xml是：

 <Placemark>
    <name>testPolygon</name>
    <description>polygon text</description>
    <styleUrl>#msn_ylw-pushpin</styleUrl>
    <Polygon>
            <tessellate>1</tessellate>
            <outerBoundaryIs>
                    <LinearRing>
                            <coordinates>
                                    -81.4065,31.5072,0 -81.41269,31.45992,0 -81.34490,31.459696,0 
                            </coordinates>
                    </LinearRing>
            </outerBoundaryIs>
    </Polygon>
 </Placemark>

我正在使用的递归函数是：

def getCoords( child, searchNode ):

    # Get children of node
    children = child.getchildren()

    # If node has one or more child
    if len( children ) >= 1 :

        # Loop through all the children
        for child in children:

            # call to recursion function
            getCoords( child, searchNode )

    # If does not have children and is the 'searchNode'
    elif len( children ) == 0 and child.tag == searchNode:

        # Return the text inside the node. This is where it is not working    
        # Other posts recommended returning the function like 
        # return getCoords(child, searchNode), but I am getting an unending loop
        return child.text

    # Do nothing if node doesn't have children and does not match 'searchNode'    
    else: 

        print 'node does not have children and is not what we are looking for'

我调用递归函数的方式是：

searchNode = 'coordinates'

# loop through all 'Placemark nodes' in document
for mark in placemark:

    # Get children of 'Placemark' node
    children = mark.getchildren() 

    # Loop through children nodes
    for child in children:

        # if a 'Polygon' node is found
        if child.tag == 'Polygon':

            # call recursion function
            getCoords( child, searchNode)

我意识到，至少部分问题出在返回值上。其他帖子建议返回函数，我理解为'return getCoords(child, searchNode)'，但我遇到了无限循环的问题。此外，我知道这个问题也可以发到GIS网站上，但我觉得这更像是一个通用的编程问题。有没有什么想法？

Answer 1

当你找到要搜索的节点时，其实你并没有对递归调用的结果做任何处理。

你需要把对节点孩子的递归调用结果汇总起来，或者直接用 print child.text 来打印孩子的内容，而不是用 return child.text 来返回。

Answer 2

在使用递归的时候，你需要注意两个重要的部分：基础情况和递归情况。基础情况就是你递归的终点，递归情况则是你在不断调用自己函数的过程。无论你的基础情况是什么，如果你希望从递归中获取信息，它们必须返回一些数据，这些数据要能被递归情况使用（更重要的是，确实要被使用）。同样，你还需要确保递归情况返回的数据能够相互使用。

首先，确定你的基础情况和递归情况。基础情况就像树的“叶子”节点，没有子节点。在基础情况中，你只需要返回一些数据，而不再调用递归函数。这就能让你“回到上层”，避免无限递归的问题。递归情况则需要你保存从一系列递归调用中收集到的数据，这几乎和你在for循环中做的事情是一样的。

我注意到你有

# Recursive case: node has one or more child
if len( children ) >= 1 :
    # Loop through all the children
    for child in children:
        # call to recursion function
        getCoords( child, searchNode )

但是你对你的getCoords调用的结果做了什么呢？

你要么想把结果保存在某种数据结构中，以便在for循环结束时返回，或者如果你不想保存结果本身，当你达到基础情况1（成功找到）时，直接打印出来，而不是返回它。因为现在你的基础情况1只是把结果返回给一个没有处理结果的实例！所以试试：

# If node has one or more child
if len( children ) >= 1 :
    # Data structure for your results
    coords = []
    # Loop through all the children
    for child in children:
        # call to recursion function
        result = getCoords( child, searchNode )
        # Add your new results together
        coords.extend(result)
    # Give the next instance up the stack your results!
    return coords

现在，由于你的结果在一个列表中，并且你使用了extend()方法，你的基础情况也必须返回列表！

# Base case 1: does not have children and is the 'searchNode'
elif len( children ) == 0 and child.tag == searchNode:
    # Return the text from the node, inside a list
    return [child.text]
# Base case 2: doesn't have children and does not match 'searchNode'
else:
    # Return empty list so your extend() function knows what to do with the result
    return []

这样最终应该只会给你一个单一的列表，你可能想把它存储在一个变量中。我在这里只是打印了结果：

searchNode = 'coordinates'
# loop through all 'Placemark nodes' in document
for mark in placemark:
    # Get children of 'Placemark' node
    children = mark.getchildren()
    # I imagine that getchildren() might return None, so check it
    # otherwise you'll get an error when trying to iterate on it
    if children:
        # Loop through children nodes
        for child in children:
            # if a 'Polygon' node is found
            if child.tag == 'Polygon':
                # call recursion function and print (or save) result
                print getCoords( child, searchNode)