使用minidom从子节点获取值

Question

我对XML还很陌生，现在想从子节点中获取值。

from xml.dom import minidom

def Get_ExtList(progName):
    progFile='%s.xml'%progName
    xmldoc = minidom.parse(progFile)
    extList=[]
    rootNode=xmldoc.firstChild
    progNode=rootNode.childNodes[1]
    for fileNodes in progNode.childNodes:
        newList=[]      
        for formatNodes in fileNodes.childNodes:        
            for nodes in formatNodes.childNodes:
                x=nodes.toxml()
                x=' '.join(x.split())
                newList.append(str(x))
        extList.append(newList)     
    print extList

输出结果：

[[], [‘.aaa'], [], [‘.bbb'], [], [‘.ccc'], [], [‘.ddd'], [], [‘.xxx', ‘.yyy'], []]

但我想要的结果是这样的：

[[‘.aaa'], [‘.bbb'],[‘.ccc’],[‘.ddd'],[‘.xxx', ‘.yyy']]

这里有一个示例文件：

<?xml version="1.0" ?>
<program>
  <progname name="TEST">
    <file>
      <format>
        .aaa
      </format>
    </file>
    <file>
      <format>
        .bbb
      </format>
    </file>
    <file>
      <format>
        .ccc
      </format>
    </file>
    <file>
      <format>
        .ddd
      </format>
    </file>
    <file>
      <format>
        .xxx
      </format>
      <format>
        .yyy
      </format>
    </file>
  </progname>
</program>

Answer 1

在这种情况下，你可以尝试处理这个列表，删除里面的空元素：

>>> list = [[], ['.inp'], [], ['.mdp'], [], ['.xtc'], [], ['.top'], [], ['.gro', '.pdb'], []]
>>> for i in list:
...   if not i:
...     list.remove(i)
... 
>>> list
[['.inp'], ['.mdp'], ['.xtc'], ['.top'], ['.gro', '.pdb']]

Answer 2

DOM节点可以是元素、文本，甚至是注释。还有一点要注意的是，toxml不应该用来提取文本内容。相反，应该使用文本节点的.data属性：

for nodes in formatNodes.childNodes:
    if node.nodeType == node.ELEMENT_NODE:
        tns =(tn.data for tn in node.childNodes if tn.nodeType == node.TEXT_NODE)
        newList.append(''.join(tns).strip())

Answer 3

你在循环的时候，不仅在遍历包含 <file> 标签的节点（也就是 ELEMENT_NODE 类型），还在遍历一些空格和缩进（也就是 TEXT_NODE 类型）。举个例子，在这个元素中：

<a>
  <b>c</b>
</a>

里面有三个元素：

• 一个 TEXT_NODE，值是 \n__（空格用 _ 表示）
• 一个 ELEMENT_NODE，值是 <b>c</b>
• 另一个 TEXT_NODE，值是 \n

如果这个文件的格式不一样，比如写成 <a><b>c</b></a>，那么里面就只有一个 ELEMENT_NODE 了。

你可以选择跳过这些节点：

for fileNodes in progNode.childNodes:    
    if fileNodes.nodeType != fileNodes.ELEMENT_NODE:    
        continue

或者检查一下 newList 是否是为正确的节点创建的，只把内容添加到 ELEMENT_NODE 中：

    if fileNodes.nodeType == fileNodes.ELEMENT_NODE:    
        extList.append(newList)         

否则你会得到一个空列表 [] 被添加上去。