python lxml 使用 iterparse 编辑并输出 xml

Question

我最近在玩lxml这个库，可能我理解得不太对或者漏掉了什么，但我就是搞不清楚怎么在抓到某个xpath后编辑文件，然后把它写回到xml里，同时一个一个元素地解析。

比如说，我们有这样一个xml作为例子：

<xml>
   <items>
      <pie>cherry</pie>
      <pie>apple</pie>
      <pie>chocolate</pie>
  </items>
</xml>

我想在解析的时候，当我找到"/xml/items/pie"这个xpath时，想在pie前面加一个元素，这样就变成这样：

<xml>
   <items>
      <item id="1"><pie>cherry</pie></item>
      <item id="2"><pie>apple</pie></item>
      <item id="3"><pie>chocolate</pie></item>
  </items>
</xml>

这个输出需要在我每次遇到标签并在特定的xpath处编辑xml时，一行一行地写入文件。我是可以通过硬编码某些部分来打印起始标签、文本、属性（如果有的话）和结束标签，但这样会显得很乱，如果能有办法避免那样就好了。

这是我猜的代码：

from lxml import etree

path=[]
count=0

context=etree.iterparse(file,events=('start','end'))
for event, element in context:
    if event=='start':
       path.append(element.tag)
       if /'+'/'.join(path)=='/xml/items/pie':
          itemnode=etree.Element('item',id=str(count))
          itemnode.text=""
          element.addprevious(itemnode)#Not the right way to do it of course
          #write/print out xml here.
    else:
        element.clear()
        path.pop()

补充：另外，我需要处理比较大的文件，所以我必须使用iterparse。

Answer 1

我建议你使用一个XSLT模板，因为这似乎更适合这个任务。一开始，XSLT可能有点难懂，直到你习惯它为止。如果你只是想从XML生成一些输出，那么XSLT是个很不错的工具。

Answer 2

有一种更简单的方法来进行你需要的修改：

• 遍历 pie 元素
• 创建一个 item 元素
• 使用 replace() 方法把 pie 元素替换成 item

replace(self, old_element, new_element)

用第二个参数传入的元素替换掉一个子元素。

---

from lxml import etree
from lxml.etree import XMLParser, Element

data = """<xml>
   <items>
      <pie>cherry</pie>
      <pie>apple</pie>
      <pie>chocolate</pie>
  </items>
</xml>"""


tree = etree.fromstring(data, parser=XMLParser())
items = tree.find('.//items')
for index, pie in enumerate(items.xpath('.//pie'), start=1):
    item = Element('item', {'id': str(index)})
    items.replace(pie, item)
    item.append(pie)

print etree.tostring(tree, pretty_print=True)

输出：

<xml>
   <items>
      <item id="1"><pie>cherry</pie></item>
      <item id="2"><pie>apple</pie></item>
      <item id="3"><pie>chocolate</pie></item>
   </items>
</xml>

Answer 3

这里有一个使用 iterparse() 的解决方案。这个方法的思路是捕捉所有标签的“开始”事件，记住父标签（items），然后对于每一个 pie 标签，创建一个 item 标签，并把这个派放进去：

from StringIO import StringIO
from lxml import etree
from lxml.etree import Element

data = """<xml>
   <items>
      <pie>cherry</pie>
      <pie>apple</pie>
      <pie>chocolate</pie>
  </items>
</xml>"""

stream = StringIO(data)
context = etree.iterparse(stream, events=("start", ))

for action, elem in context:
    if elem.tag == 'items':
        items = elem
        index = 1
    elif elem.tag == 'pie':
        item = Element('item', {'id': str(index)})
        items.replace(elem, item)
        item.append(elem)
        index += 1

print etree.tostring(context.root)

输出结果是：

<xml>
   <items>
      <item id="1"><pie>cherry</pie></item>
      <item id="2"><pie>apple</pie></item>
      <item id="3"><pie>chocolate</pie></item>
   </items>
</xml>