Python：解析一个包含多个属性的XML文件

Question

我在编程方面还是新手，但我懂一些Python，对XPath和XML基本熟悉。目前，我正在处理一些如下所示的XML数据：

<foo>
  <bar>
      <unit>
          <structure>
              <token word="Rocky" att1="noun" att2="name">Rocky</token>
              <token word="the" att1="article" att2="">the</token>
              <token word="yellow" att1="adjective" att2="color">yellow</token>
              <token word="dog" att1="noun" att2="animal">dog</token>
          </structure>
      </unit>
  </bar>
</foo>

现在我需要做的是首先找到一个属性值，让我们

^{pr2}$

比如说。因此，在文档中的所有结构中，我想首先找到具有att2值的所有节点，然后将该节点的所有同级节点放入一个列表中。因为每个节点都有多个属性，所以我尝试将每个属性都包含到一个不同的列表中，也就是说，在其子节点的att2值中包含animal的所有属性组成一个列表。例如：

 listWord = [Rocky, the, yellow, dog]
 listAtt1 = [noun, article, adjective, noun]
 listAtt2 = [name, ,color, animal]

现在我只是想知道这是否可能。到目前为止，我只设法用属性结构碰壁，更不用说空值了。在

Answer 1

在包含结束标记标记的情况下，假设文本包含在test.xml中，则如下所示：

import xml.etree.ElementTree

e = xml.etree.ElementTree.parse('test.xml').getroot()

listWord = []
listAtt1 = []
listAtt2 = []

for child in e.iter('token'):
    listWord.append(child.attrib['word'])
    listAtt1.append(child.attrib['att1'])
    listAtt2.append(child.attrib['att2'])

print listWord
print listAtt1
print listAtt2

将返回：

^{pr2}$

e.iter()允许您迭代e作为根和它下面的元素-我们指定token标记来只返回token元素。child.attrib返回属性字典，我们将其附加到列表中。在

编辑：关于您问题的第二点，我认为以下几点（尽管可能不是最佳实践）可以满足您的需求：

import xml.etree.ElementTree

e = xml.etree.ElementTree.parse('test.xml').getroot()

listWord = []
listAtt1 = []
listAtt2 = []
animal_structs =[]

for structure in e.iter('structure'):
    for child in structure.iter('token'):
        if 'att2' in child.keys():
            if child.attrib['att2'] == 'animal':
                animal_structs.append(structure)
                break

for structure in animal_structs:
    for child in structure.iter('token'):
        listWord.append(child.attrib['word'])
        listAtt1.append(child.attrib['att1'])
        listAtt2.append(child.attrib['att2'])

print listWord
print listAtt1
print listAtt2

我们首先创建一个包含structure子元素的列表，然后返回每个结构的所有then属性。在

Answer 2

我不确定我是否理解您的问题，但以下是我理解的部分（使用lxml和xpath）：

from lxml import etree
tree = etree.fromstring("""<foo>
  <bar>
      <unit>
          <structure>
              <token word="Rocky" att1="noun" att2="name"></token>
              <token word="the" att1="article" att2=""></token>
              <token word="yellow" att1="adjective" att2="color"></token>
              <token word="dog" att1="noun" att2="animal"></token>
          </structure>
      </unit>
  </bar>
</foo>""")


// get a list of all possible words, att1, att2:
listWord = tree.xpath("//token/@word")
listAtt1 = tree.xpath("//token/@att1")
listAtt2 = tree.xpath("//token/@att2")

// get all the tokens with att2="animal"
for token in tree.xpath('//token[@att2="animal"]'):
    do_your_own_stuff()