使用 ElementTree 解析同名的 XML 子标签答案

【问题标题】：Parsing XML child tags with same name using ElementTree使用 ElementTree 解析同名的 XML 子标签
【发布时间】：2020-08-07 21:17:44
【问题描述】：

我正在尝试解析具有以下结构的 XML 文件（在 Python 中，这对我来说是新的）：

<xml>
<document>
<fit>
<grp> some tags </grp>
<prp> 
<p> <id> 1674 </id> </p>
<drp> 
<name> Joe </name>
<post> 
<company> abc </company>
<company> Ltd. </company>
</post>
</drp>
</prp>
</fit>
</document>
<document>
.
.
.
</xml>

为了提取 id、name、company 等信息，然后将它们写入 csv，我尝试了以下代码：

tree = ET.parse(file)
root=tree.getroot()
with open(csvfile, 'a') as f:
    writer=csvDictWriter(f, ['ID', 'NAME', 'NCOMP'], delimiter=', ')
    writer.writeheader()
    result = {}
    for child in root.findall('./fit'):
        result['ID'] = ( "" .join(child.find('p').find('id').text))
        result['NAME'] = ( "" .join(child.find('drp').find('name'))
        result['NCOMP'] = ( "" .join(child.find('drp').find('post').find('company')
        writer.write(result)

但是，对于公司名称，我只获取第一个标签的内容，然后我尝试使用 for 循环并附加到这样的列表：

Com = []
for each in child.find('drp').find('post'):
    coms = each.find('company')
    Com = Com.append[coms]
    result['NCOMP'] = Com

期望的输出：

ID.      NAME.     NCOMP
1674.    Joe.      abc Ltd.

如何更改代码以使其包含两个标签的值？

【问题讨论】：

欢迎来到stackoverflow！精心设计的第一个问题:)

标签： xml csv xml-parsing elementtree python-2.6

【解决方案1】：

尝试这些方法；它使用 lxml 通过 xpath 收集数据，并使用 pandas 将其存储在数据框中：

data = """
<xml>
   <document>
      <fit>
         <grp>some tags</grp>
         <prp>
            <p>
               <id>1674</id>
            </p>
            <drp>
               <name>Joe</name>
               <post>
                  <company>abc</company>
                  <company>Ltd.</company>
               </post>
            </drp>
         </prp>
      </fit>
   </document>
</xml>
"""

from lxml import etree
import pandas as pd

columns = ["ID", "NAME", "NCOMP"]
rows = []

doc = etree.XML(data)

targets = doc.xpath('//prp')
for target in targets:
    row = []
    id = target.xpath('./p/id/text()')[0]
    name = target.xpath('./drp/name/text()')[0]
    ncomp = target.xpath('./drp//post//company/text()')
    row.extend([id,name,' '.join(ncomp)])    
    rows.append(row)
pd.DataFrame(rows,columns=columns)

输出：

    ID     NAME     NCOMP
0   1674    Joe     abc Ltd.

编辑 - ET 版本。

第一：

import xml.etree.ElementTree as ET

然后，以doc 开头替换为：

doc = ET.fromstring(data)
et_targets = doc.findall('.//prp')
for target in et_targets:
    row = []
    id = target.findall('./p/id')[0]
    name = target.findall('./drp/name')[0]
    ncomp = target.findall('./drp//post//company')[0]
    row.extend([id.text,name.text,' '.join(ncomp.text)])    
    rows.append(row)
pd.DataFrame(rows,columns=columns)

输出应该是一样的。

【讨论】：

谢谢，但有没有办法使用元素树实现相同的功能？
@python6 可能；但是 ET 中的 xpath 支持非常有限，所以我倾向于不使用它，除非绝对没有其他选择。
哦！我应该包含我的 python 版本是 2.6，因此我不能使用 lxml。我的错！
查找所有返回列表和列表对象抛出一个没有属性的文本
@python6 findall() 确实返回了一个列表，并且列表确实没有文本属性，但list()[0] 确实有该属性。我刚刚又试了一次，它起作用了。所以我不确定你的问题是什么。

【解决方案2】：

另一种解决方案。

from simplified_scrapy import SimplifiedDoc,req,utils
html = '''
<xml>
<document>
<fit>
<grp> some tags </grp>
<prp> 
<p> <id> 1674 </id> </p>
<drp> 
<name> Joe </name>
<post> 
<company> abc </company>
<company> Ltd. </company>
</post>
</drp>
</prp>
</fit>
</document>
<document>
.
.
.
</xml>
'''
doc = SimplifiedDoc(html)
rows = []
rows.append(['ID', 'NAME', 'NCOMP'])
for document in doc.documents:
  rows.append([document.id.text,document.name.text," ".join(document.companys.text)])
utils.save2csv('test.csv',rows)

结果：

ID,NAME,NCOMP
1674,Joe,abc Ltd.

【讨论】：