Python：在XML中将所有标签名中的连字符替换为下划线

Question

我有一个格式不太规范的XML文件，里面的标签名有连字符，我想把这些连字符替换成下划线（这样我就可以用lxml.objectify来处理它）。我想替换所有的标签名，包括里面的子标签。

这是一个示例XML：

<job>
  <server>
    <cpu-set>
    </cpu-set>
  </server>
  <ip-routings>
  </ip-routings>
</job>

我想用一种干净的方式来转换这个XML（不使用正则表达式，而是用像lxml这样的XML库），变成这个样子：

<job>
  <server>
    <cpu_set>
    </cpu_set>
  </server>
  <ip_routings>
  </ip_routings>
</job>

有什么好的方法可以用Python来做到这一点吗？

Answer 1

我知道这不是Python，但对我来说，这很像Python的风格：使用Mono的C#解释器：

using System.Xml.Linq;

var doc = XDocument.Load(Console.In);

foreach(var node in doc.Descendants().Reverse())
    node.ReplaceWith(new XElement(
        node.Name.Namespace + node.Name.LocalName.Replace("-","_"), 
        node.Attributes(), 
        node.Nodes()));

doc.Save(Console.Out);

这个工具有一些重要的特点，这些特点在没有现成的XML库的情况下很难实现：

• 支持混合元素（可以包含文本和子元素）
• 保留命名空间
• 保留属性
• 支持所有XML 2.0的功能（比如CDATA、未解析的内容、实体引用等）
• 还有更多类似的功能

演示：

输入文件：input.xml：

<?xml version="1.0"?>
<job xmlns:ex="test">
  <server attr1="first" attr2="second">
    <ex:cpu-set>
    </ex:cpu-set>
  </server>
  <ip-routings>
      contained <mixed/>text
  </ip-routings>
</job>

运行csharp -r:System.Xml.Linq test < input.xml的输出结果：

<?xml version="1.0" encoding="utf-8"?>
<job xmlns:ex="test">
  <server attr1="first" attr2="second">
    <ex:cpu_set />
  </server>
  <ip_routings>
      contained <mixed />text
  </ip_routings>
</job>

Answer 2

使用xpath来找到带有连字符的元素，并重新写标签：

from lxml import etree
data = """<job>
  <server>
    <cpu-set>
    </cpu-set>
  </server>
  <ip-routings>
  </ip-routings>
</job>"""
doc = etree.XML(data)
for e in doc.xpath('//*[contains(local-name(),"-")]'):
  e.tag = e.tag.replace('-','_')

print etree.tostring(doc)

结果是：

<job>
  <server>
    <cpu_set>
    </cpu_set>
  </server>
  <ip_routings>
  </ip_routings>
</job>