正在分析未知标记xml fi

2024-03-29 12:10:38 发布

您现在位置:Python中文网/ 问答频道 /正文

我试图解析一个xml文件。 我的问题也是这样的:

parsing an xml file for unknown elements using python ElementTree

我试着解决乌托布。在

效果很好。但仅适用于具有单个标记的行

例如:

   <some_root_name>
<tag_x>bubbles</tag_x>
 </some_root_name>

这个很好用 但如果它是这样的:

^{pr2}$

它失败了。。 我有很多这样的例子。 我不想超出本机库的使用范围,因为在此之后,我将在不同的计算机(prod env)上运行代码,并且必须在那里设置库。。事情变得一团糟。。在

有没有办法,我可以修改原来的解决方案来解决这个问题。 谢谢。在

上面的代码链接:

import xml.sax as sax
import xml.sax.handler as saxhandler
import pprint

class TagParser(saxhandler.ContentHandler):
    # http://docs.python.org/library/xml.sax.handler.html#contenthandler-objects
    def __init__(self):
        self.tags = {}
    def startElement(self, name, attrs):
        self.tag = name
    def endElement(self, name):
        if self.tag:
            self.tags[self.tag] = self.data
            self.tag = None
            self.data = None
    def characters(self, content):
        self.data = content

parser = TagParser()
src = '''\
<some_root_name>
    <tag_x>bubbles</tag_x>
    <tag_y>car</tag_y>
    <tag...>42</tag...>
</some_root_name>'''
sax.parseString(src, parser)
pprint.pprint(parser.tags)

异常跟踪:

File "extract_xml.py", line 59, in unittest
  sax.parseString(src, parser)
File "C:\Python27\lib\xml\sax\__init__.py", line 49, in parseString
  parser.parse(inpsrc)
File "C:\Python27\lib\xml\sax\expatreader.py", line 107, in parse
  xmlreader.IncrementalParser.parse(self, source)
File "C:\Python27\lib\xml\sax\xmlreader.py", line 125, in parse
  self.close()
File "C:\Python27\lib\xml\sax\expatreader.py", line 217, in close
  self.feed("", isFinal = 1)
File "C:\Python27\lib\xml\sax\expatreader.py", line 211, in feed
  self._err_handler.fatalError(exc)
File "C:\Python27\lib\xml\sax\handler.py", line 38, in fatalError
  raise exception
xml.sax._exceptions.SAXParseException: <unknown>:2:4: no element found

Tags: nameinpyselfparserlibtagline
2条回答

TagParser使用endElementself.tags添加数据。在

其中src等于

src = '''\
<review type="review"><link>http://www.openlist.com/new-york-ny/mickey-mantles/27612417/?numReviews=178</link></review>
'''

<review>没有结束标记,</review>,因此endElement永远不会被调用。在

如果将结束标记</review>添加到src

src = '''\
<review type="review"><link>http://www.openlist.com/new-york-ny/mickey-mantles/27612417/?numReviews=178</link></review>
'''

然后程序就产生了

{u'link': u'http://www.openlist.com/new-york-ny/mickey-mantles/27612417/?numReviews=178'}

尽管你的问题是这样说的:

parser = TagParser()
src = '''\
<some_root_name>
    <tag_x>bubbles</tag_x>
    <tag_y>car</tag_y>
    <tag...>42</tag...>
</some_root_name>'''
sax.parseString(src, parser)
pprint.pprint(parser.tags)

parser.tags结果是:

^{pr2}$

您的另一个示例失败了,但这仅仅是因为它不是有效的XML:

src = '''<review type="review"><link>http://www.openlist.com/new-york-ny/mickey-mantles/27612417/?numReviews=178</link>'''
parser = TagParser()
sax.parseString(src, parser)
pprint.pprint(parser.tags)

在源代码中,review标记从未关闭,因此这不是一个有效的XML片段,因此当您尝试解析它时,它会引发异常。在

如果您的问题是从有效文档中取出不完整的片段,请不要这样做;将整个review标记全部取出并解析,而不是试图从中解析出一行。在

如果您的问题是源数据实际上不是有效的XML,那么您需要使用一个解析器来处理损坏的XML,比如BeautifulSoupElementTree和{}都不能工作。在

相关问题 更多 >