使用文档构建工厂在Python中解析XML

Question

我正在使用STAF和STAX进行工作，这里用的是Python编程。我对Python还不太熟悉。

我的任务是用Document Factory Parser来解析一个XML文件。

我尝试解析的XML文件是：

<?xml version="1.0" encoding="utf-8"?>
<operating_system>
  <unix_80sp1>
    <tests type="quick_sanity_test">
      <prerequisitescript>preparequicksanityscript</prerequisitescript>
      <acbuildpath>acbuildpath</acbuildpath>
      <testsuitscript>test quick sanity script</testsuitscript>
      <testdir>quick sanity dir</testdir>
    </tests>
    <machine_name>u80sp1_L004</machine_name>
    <machine_name>u80sp1_L005</machine_name>
    <machine_name>xyz.pxy.dxe.cde</machine_name>
    <vmware id="155.35.3.55">144.35.3.90</vmware>
    <vmware id="155.35.3.56">144.35.3.91</vmware>
  </unix_80sp1>
</operating_system>

1. 我需要读取所有的标签。

2. 对于标签machine_name，我需要把它们读到一个列表里，也就是说，所有的机器名称应该放在一个叫machname的列表中。读取标签后，machname应该是[u80sp1_L004,u80sp1_L005,xyz.pxy.dxe.cde]。

3. 我还需要所有的vmware标签：所有的属性应该放在vmware_attr=[155.35.3.55,155.35.3.56]中，所有的vmware值应该放在vmware_value=[144.35.3.90,155.35.3.56]中。

除了vmware标签和机器名称标签外，我能正确读取所有标签：我使用的代码是：（我对XML和vmware还不太了解）。需要帮助。

下面的代码需要修改。

factory = DocumentBuilderFactory.newInstance();
factory.setValidating(1)
factory.setIgnoringElementContentWhitespace(0)
builder = factory.newDocumentBuilder()
document = builder.parse(xmlFileName)

vmware_value = None
vmware_attr = None
machname = None

# Get the text value for the element with tag name "vmware" 
nodeList = document.getElementsByTagName("vmware") 
for i in range(nodeList.getLength()): 
node = nodeList.item(i) 
if node.getNodeType() == Node.ELEMENT_NODE: 
children = node.getChildNodes() 
for j in range(children.getLength()): 
thisChild = children.item(j) 
if (thisChild.getNodeType() == Node.TEXT_NODE): 
vmware_value = thisChild.getNodeValue()
vmware_attr ==??? what method to use ?
# Get the text value for the element with tag name "machine_name" 
nodeList = document.getElementsByTagName("machine_name") 
for i in range(nodeList.getLength()): 
node = nodeList.item(i) 
if node.getNodeType() == Node.ELEMENT_NODE: 
children = node.getChildNodes() 
for j in range(children.getLength()): 
thisChild = children.item(j) 
if (thisChild.getNodeType() == Node.TEXT_NODE): 
machname = thisChild.getNodeValue()

另外，如何检查一个标签是否存在。我需要把解析代码写得更好。

Answer 1

你需要把 vmware_value、vmware_attr 和 machname 定义成列表，而不是字符串。所以，不要这样写：

vmware_value = None
vmware_attr = None
machname = None

要这样写：

vmware_value = []
vmware_attr = []
machname = []

然后，要往列表里添加项目，可以使用 append 方法。比如：

factory = DocumentBuilderFactory.newInstance();
factory.setValidating(1)
factory.setIgnoringElementContentWhitespace(0)
builder = factory.newDocumentBuilder()
document = builder.parse(xmlFileName)

vmware_value = []
vmware_attr = []
machname = []

# Get the text value for the element with tag name "vmware"
nodeList = document.getElementsByTagName("vmware")
for i in range(nodeList.getLength()):
    node = nodeList.item(i)
    vmware_attr.append(node.attributes["id"].value)
    if node.getNodeType() == Node.ELEMENT_NODE:
        children = node.getChildNodes()
        for j in range(children.getLength()):
            thisChild = children.item(j)
            if (thisChild.getNodeType() == Node.TEXT_NODE):
                vmware_value.append(thisChild.getNodeValue())

我也把代码修改成了我认为可以正确添加值到 vmware_attr 和 vmware_value 的样子。

我假设 STAX 使用的是 xml.dom 语法，所以如果不是这样的话，你需要根据实际情况调整我的建议。