首页 / 问题 / 正文

使用python minidom过滤XML文件

1 投票
4 回答
68 浏览
提问于 2025-04-14 17:23

我正在尝试使用Python的minidom来过滤一个XML文件。我想根据条件返回一个电子邮件地址的列表（<wd:Email_Address>），这个条件是地址必须是工作邮箱。我需要使用元素<wd:ID wd:type="Communication_Usage_Type_ID">WORK</wd:ID>来过滤这些邮箱地址。下面是文件内容：

<?xml version="1.0" encoding="UTF-8"?>
<env:Envelope xmlns:env="http://schema.xmlsoap.org/soap/envelope/">
<env:Body>
    <wd:Get_Working_Response xmlns:wd="urn:com.workway/bsvc"
                             wd:version="v40.1">
        <wd:Request_Criteria>
            <wd:Transaction_Log_Criteria_Data>
            </wd:Transaction_Log_Criteria_Data>
            <wd:Field_And_Parameter_Criteria_Data>
            </wd:Field_And_Parameter_Criteria_Data>
            <wd:Eligibility_Criteria_Data>
            </wd:Eligibility_Criteria_Data>
        </wd:Request_Criteria>
        <wd:Response_Filter>
        </wd:Response_Filter>
        <wd:Response_Group>
        </wd:Response_Group>
        <wd:Response_Results>
        </wd:Response_Results>
        <wd:Response_Data>
            <wd:Worker>
                <wd:Worker_Reference>
                    <wd:ID wd:type="WID">787878787878787</wd:ID>
                    <wd:ID wd:type="Employee_ID">123456</wd:ID>
                </wd:Worker_Reference>
                <wd:Worker_Descriptor>John Smith</wd:Worker_Descriptor>
                <wd:Worker_Data>
                    <wd:Worker_ID>123456</wd:Worker_ID>
                    <wd:User_ID>jsmith</wd:User_ID>
                    <wd:Personal_Data>
                            <wd:Email_Address_Data>
                                <wd:Email_Address>jsmith2222@gmail.com</wd:Email_Address>
                                <wd:Usage_Data wd:Public="0">
                                    <wd:Type_Data wd:Primary="1">
                                        <wd:Type_Reference>
                                            <wd:ID wd:type="WID">000000000000000</wd:ID>
                                            <wd:ID wd:type="Communication_Usage_Type_ID">HOME</wd:ID>
                                        </wd:Type_Reference>
                                    </wd:Type_Data>
                                </wd:Usage_Data>
                                <wd:Email_Reference>
                                    <wd:ID wd:type="WID">99999999999999999999999</wd:ID>
                                    <wd:ID wd:type="Email_ID">EMAIL_REFERENCE-3-3960</wd:ID>
                                </wd:Email_Reference>
                                <wd:ID>EMAIL_REFERENCE-3-3960</wd:ID>
                            </wd:Email_Address_Data>
                            <wd:Email_Address_Data>
                                <wd:Email_Address>jsmith@something.com</wd:Email_Address>
                                <wd:Usage_Data wd:Public="1">
                                    <wd:Type_Data wd:Primary="1">
                                        <wd:Type_Reference>
                                            <wd:ID wd:type="WID">999999999999999999999999999</wd:ID>
                                            <wd:ID wd:type="Communication_Usage_Type_ID">WORK</wd:ID>
                                        </wd:Type_Reference>
                                    </wd:Type_Data>
                                </wd:Usage_Data>
                                <wd:Email_Reference>
                                    <wd:ID wd:type="WID">999999999999999999999999</wd:ID>
                                    <wd:ID wd:type="Email_ID">EMAIL_REFERENCE-3-4017</wd:ID>
                                </wd:Email_Reference>
                                <wd:ID>EMAIL_REFERENCE-3-4017</wd:ID>
                            </wd:Email_Address_Data>
                            </wd:Personal_Data>
                    </wd:Worker_Data>   
            </wd:Worker>
        </wd:Response_Data>
    </wd:Get_Working_Response>
</env:Body>
</env:Envelope>

到目前为止，我已经能够获得一个列表（workelements），里面包含了过滤后的工作邮箱的DOM元素。我觉得我需要利用这个列表来进一步过滤文件，并把结果放到一个新的列表（lNodesWithLevel2）中，这个列表只包含工作邮箱的Email_Address_Data元素。一旦我得到了这些元素，我就能获取Email_Address的值。如果有人能提供帮助，我将非常感激。如果有其他库能更简单地实现这个功能，我也很乐意尝试。以下是我目前的代码：

xmlDoc = minidom.parse('XML_Example.xml')

workelements =[]
lNodesWithLevel1 = xmlDoc.getElementsByTagName('wd:ID')
for mynodes in lNodesWithLevel1:
    if mynodes.firstChild.nodeValue == 'WORK':
        workelements.append(mynodes)

lNodesWithLevel2 = [lNode for lNode in xmlDoc.getElementsByTagName('wd:Email_Address_Data')
                 if lNode.getElementsByTagName('wd:ID') == li]
XML 解析器 编程技巧 电子邮件 数据过滤 minidom dom元素 工作邮箱

4 个回答

2

我想要根据条件返回一份电子邮件地址的列表（<wd:Email_Address>），这个条件是这些地址必须是工作邮箱。我需要用元素 <wd:ID wd:type="Communication_Usage_Type_ID">WORK</wd:ID> 来筛选出这些邮箱地址。

使用 Python 的 ElementTree 核心库

import xml.etree.ElementTree as ET

xml_data = '''<env:Envelope xmlns:env="http://schema.xmlsoap.org/soap/envelope/">
<env:Body>
    <wd:Get_Working_Response xmlns:wd="urn:com.workway/bsvc"
                             wd:version="v40.1">
        <wd:Request_Criteria>
            <wd:Transaction_Log_Criteria_Data>
            </wd:Transaction_Log_Criteria_Data>
            <wd:Field_And_Parameter_Criteria_Data>
            </wd:Field_And_Parameter_Criteria_Data>
            <wd:Eligibility_Criteria_Data>
            </wd:Eligibility_Criteria_Data>
        </wd:Request_Criteria>
        <wd:Response_Filter>
        </wd:Response_Filter>
        <wd:Response_Group>
        </wd:Response_Group>
        <wd:Response_Results>
        </wd:Response_Results>
        <wd:Response_Data>
            <wd:Worker>
                <wd:Worker_Reference>
                    <wd:ID wd:type="WID">787878787878787</wd:ID>
                    <wd:ID wd:type="Employee_ID">123456</wd:ID>
                </wd:Worker_Reference>
                <wd:Worker_Descriptor>John Smith</wd:Worker_Descriptor>
                <wd:Worker_Data>
                    <wd:Worker_ID>123456</wd:Worker_ID>
                    <wd:User_ID>jsmith</wd:User_ID>
                    <wd:Personal_Data>
                            <wd:Email_Address_Data>
                                <wd:Email_Address>jsmith2222@gmail.com</wd:Email_Address>
                                <wd:Usage_Data wd:Public="0">
                                    <wd:Type_Data wd:Primary="1">
                                        <wd:Type_Reference>
                                            <wd:ID wd:type="WID">000000000000000</wd:ID>
                                            <wd:ID wd:type="Communication_Usage_Type_ID">HOME</wd:ID>
                                        </wd:Type_Reference>
                                    </wd:Type_Data>
                                </wd:Usage_Data>
                                <wd:Email_Reference>
                                    <wd:ID wd:type="WID">99999999999999999999999</wd:ID>
                                    <wd:ID wd:type="Email_ID">EMAIL_REFERENCE-3-3960</wd:ID>
                                </wd:Email_Reference>
                                <wd:ID>EMAIL_REFERENCE-3-3960</wd:ID>
                            </wd:Email_Address_Data>
                            <wd:Email_Address_Data>
                                <wd:Email_Address>jsmith@something.com</wd:Email_Address>
                                <wd:Usage_Data wd:Public="1">
                                    <wd:Type_Data wd:Primary="1">
                                        <wd:Type_Reference>
                                            <wd:ID wd:type="WID">999999999999999999999999999</wd:ID>
                                            <wd:ID wd:type="Communication_Usage_Type_ID">WORK</wd:ID>
                                        </wd:Type_Reference>
                                    </wd:Type_Data>
                                </wd:Usage_Data>
                                <wd:Email_Reference>
                                    <wd:ID wd:type="WID">999999999999999999999999</wd:ID>
                                    <wd:ID wd:type="Email_ID">EMAIL_REFERENCE-3-4017</wd:ID>
                                </wd:Email_Reference>
                                <wd:ID>EMAIL_REFERENCE-3-4017</wd:ID>
                            </wd:Email_Address_Data>
                            </wd:Personal_Data>
                    </wd:Worker_Data>   
            </wd:Worker>
        </wd:Response_Data>
    </wd:Get_Working_Response>
</env:Body>
</env:Envelope>
'''

# Parse the XML data
root = ET.fromstring(xml_data)

# Namespace dictionary
ns = {'wd': 'urn:com.workway/bsvc'}

for email_elem_root in root.findall('.//wd:Email_Address_Data', ns):
    email = email_elem_root.find('./wd:Email_Address', ns).text
    should_collect: bool = email_elem_root.find('.//wd:ID[@wd:type="Communication_Usage_Type_ID"]', ns).text == 'WORK'
    if should_collect:
        print("Collecting Email:", email)
    else:
        print("Ignoring Email:", email)

输出结果

Ignoring Email: jsmith2222@gmail.com
Collecting Email: jsmith@something.com
回答于 2025-04-14 由 Python大师
分享 举报
2

这里有一个使用lxml的例子。如果你打算处理XML文件，学习XPath会非常值得。

from lxml import etree

tree = etree.parse("input.xml")
xpath = "//wd:Email_Address_Data[wd:Usage_Data//wd:ID[@wd:type='Communication_Usage_Type_ID']='WORK']/wd:Email_Address"
work_emails = [email_elem.text for email_elem in tree.xpath(xpath, namespaces={"wd": "urn:com.workway/bsvc"})]

print(work_emails)

这段代码的输出结果是：

['jsmith@something.com']
回答于 2025-04-14 由 Python大师
分享 举报
2

使用 xml.dom.minidom 这个库，你可以做到：

import xml.dom.minidom

xmlDoc = xml.dom.minidom.parse('XML_Example.xml')

business = []
for email in xmlDoc.getElementsByTagName("wd:Email_Address_Data"):
    for t in email.getElementsByTagName("wd:ID"):
        if t.getAttribute("wd:type") == "Communication_Usage_Type_ID":
            business_mail = t.firstChild.nodeValue
    for m in email.getElementsByTagName("wd:Email_Address"):
        if business_mail == "WORK":
            business.append(m.firstChild.nodeValue)

print("WORK EMAILs:", business)

输出结果：

WORK EMAILs: ['jsmith@something.com']
回答于 2025-04-14 由 Python大师
分享 举报

撰写回答