Python - lxml 删除一些 xml 标签并移动其他标签

Question

我正在尝试打开一个 xml，删除整个标签及其内容，并在 xml 中移动其他标签。

这是我原来的导入 xml：

<?xml version="1.0" encoding="UTF-8"?>
<package>
    <language>en-GB</language>
    <video>
        <original_spoken_locale>en-US</original_spoken_locale>
        <copyright_cline>2012 copyright</copyright_cline>
        <release_date>2012-04-23</release_date>
        <title>Amazing Film</title>
    </video>
    <provider>testprovider</provider>
</package>

我需要删除<copyright_cline> 标签和<title> 标签。然后我需要将<provider> 标记向上移动到<video> 标记中，并将其定位在<original_spoken_locale> 标记下方，并将<release_date> 标记向下移动到<video> 标记下方。

这是导出的 xml：

<?xml version="1.0" encoding="UTF-8"?>
<package>
    <language>en-GB</language>
    <video>
        <original_spoken_locale>en-US</original_spoken_locale>
        <provider>testprovider</provider>
        <release_date>2012-04-23</release_date>
    </video>
    <release_date>2012-04-23</release_date>
</package>

我现在已经成功安装了 lxml，因此正在寻找一个理想的解决方案。

亲切的问候。

---

我已经能够删除不需要的标签及其内容，但仍然需要能够重新排序/移动其他标签，最好不要替换。我也无法删除这行 xml 代码”

<!--Carpet ID: fd54678-->

这是我目前拥有的：

from lxml import etree

xmlFileIn = '/xmls/metadata.xml'
xmlFileOut = '/xmls/output.xml'

tree = etree.parse(xmlFileIn)
root = tree.getroot()

etree.strip_elements(root, 'assets')
etree.strip_tags(root, 'assets')

etree.strip_elements(root, 'chapters')
etree.strip_tags(root, 'chapters')

etree.strip_elements(root, 'xid')
etree.strip_tags(root, 'xid')

# Write the new xml file
tree.write(xmlFileOut, pretty_print=True, xml_declaration=True, encoding="utf-8")

所以我仍然需要删除<!--Carpet ID: fd54678--> 标签。我想通过通配符删除这些，因为有很多<!--.*-->，因为中间的内容会改变。我还需要知道如何移动标签块。

Answer 1

既然还没有人回答，那我试试；但我来自阅读而不是实验。如果我遗漏了什么，请提前道歉……

如何移动元素见Move an entire element in with lxml.etree

如上所述，要特别小心，因为文本节点在 lxml 中是 not 节点（见下文）。

至于 cmets，我在 lxml 中找不到任何获取 cmets 或直接“移动”元素的方法。你可以先用 'sed' 或其他东西剥离它们。

注意事项

Elementtree 因此 lxml 似乎热衷于只有一种节点。这会产生一些可能有问题的后果（“事情应该尽可能简单，但不能更简单”）：

• 使用 cmets（如本例）或 PI 更难，因为它们不是模型中的一流概念。

• 文本尤其困难，因为 lxml 和 elementtree 使文本跟随任何 XML 元素的结束标记，成为该元素的属性（“尾部文本”）。它被视为与该元素的类型名称、属性和子元素相同。这可能有点工作（它是一个图灵机，你知道的），但它需要完全不同的思维方式。

我注意到有关 lxml 的作者经常说它主要用于实际上没有太多文本的 XML 结构。您给出的示例似乎是这样的；如果是这样，你很幸运。但是当文字很重要时，即使是这样简单的事情：

 <p>As everyone<footnote>Well, almost everyone</footnote> knows...</p>

文本“know...”是 lxml 中 节点的一部分。当您移动或删除或替换脚注时，文本会随之出现。但当然，该文本不是脚注的一部分（毕竟它发生在脚注结束之后）。

我不知道 lxml 对“As所有人”做了什么——它不会出现在 any 元素的结尾之后。我找不到有关 lxml 如何处理它的任何信息。

因此，如果任何地方有任何文本内容，请务必小心。