DBLP从python中的巨大xml文件获取wwhomepage信息

Question

我是xml方面的新手，我需要在dblp中获取每个作者的主页信息，但是xml文件非常大，大约2GB。以下是我需要的文件部分：

<www key="homepages/d/StephanDiehl">
<author>Stephan Diehl</author>
<title>Home Page</title>
<url>http://www.st.uni-trier.de/~diehl/</url>
</www>

如何仅从这个xml文件中获取作者姓名和主页？我在网上找到的其他方法也不能正常工作。任何帮助都将不胜感激。你知道吗

谢谢！你知道吗

Answer 1

您可以使用XML element tree提取您感兴趣的数据。findall函数将搜索指定的标记作为根的子级。你知道吗

import xml.etree.ElementTree as ET

str = """<www key="homepages/d/StephanDiehl">
<author>Stephan Diehl</author>
<title>Home Page</title>
<url>http://www.st.uni-trier.de/~diehl/</url>
</www>"""

root = ET.fromstring(str)
for element in root.findall('author'):
        print element.text

for element in root.findall('url'):
        print element.text