两个 xml 标签之间的文本 [关闭]

Question

我想使用 shell 或 python 命令获取两个 xml 标记之间的文本。例如输入：

<Name input="sentence">
    <Words>
        <Z 2="x">I</Z>
        <Z 2="x">like</Z>
        <Z 2="x">to</Z>
        <Z 2="x">eat</Z>
        <Z 2="x">food</Z>
     </Words>
</Name>
<Name input="sentence">
    <Words>
        <Z 2="x">Sam's</Z>
        <Z 2="x">food</Z>
        <Z 2="x">is</Z>
        <Z 2="x">best</Z>
    </Words>
</Name>

我希望输出是：

I like to eat food
Sam's food best

基本上，标签指定了一个新句子的开头，并且指定了我想用它来重构它的单词。我有很多这样的句子。有什么建议？我正在考虑在 python 中使用 sed 或 re class，但我无法提出解决方案。谢谢！

Answer 1

使用lxml XPath

已更正文件“xmldoc.xml”中的 XML 文档：

<?xml version="1.0"?>
<root>
  <Name input="sentence">
    <Words>
      <Z>I</Z>
      <Z>like</Z>
      <Z>to</Z>
      <Z>eat</Z>
      <Z>food</Z>
    </Words>
  </Name>
  <Name input="sentence">
    <Words>
      <Z>Sam's</Z>
      <Z>food</Z>
      <Z>is</Z>
      <Z>best</Z>
    </Words>
  </Name>
</root>

我们可以在解析后的文档上使用xpath：

>>> from lxml import etree
>>> for word in etree.parse("xmldoc.xml").xpath("//Words"):
...     print " ".join(word.xpath(".//Z/text()"))
...
I like to eat food
Sam's food is best

评论

• OP中的原始XML被破坏，属性不允许以数字开头。

• lxml 将被安装，它不是 Python 标准库的一部分。但是，它提供了很多实用的 functins（更好的 XPath，针对模式的验证......），值得安装（我认为 lxml 我的 Python 环境的标准部分）。

• etree.parse 能够解析类文件对象或作为参数传递的文件内容。

• .xpath("//Words") 是把句子分成不同组的必要条件。
• word.xpath(".//Z/text()") 处的点很重要，它指示 XPath 计算表达式 相对于当前元素。

Answer 2

这是一个使用xml.etree.ElementTreehttps://docs.python.org/2/library/xml.etree.elementtree.html#的简单示例

inputxml.xml

<?xml version="1.0"?>
<Name input="sentence">
    <Words>
        <Z>I</Z>
        <Z>like</Z>
        <Z>to</Z>
        <Z>eat</Z>
        <Z>food</Z>
    </Words>
</Name>

XMLParseWords.py

import xml.etree.ElementTree as ET

XML_file = 'inputxml.xml'
tree = ET.parse(XML_file)
root = tree.getroot()
outputString = ""
for word in root.findall('./Words/Z'):
    outputString += word.text + " "
print outputString    

当你运行它时，它会输出I like to eat food。只要您知道要解析的 xml 文件的结构，就可以相当简单地获取您要查找的元素。我建议首先阅读我之前链接的 pydoc，以了解 xml.etree.ElementTree 的工作原理。