有没有办法从 ElementTree 元素中获取行号

Question

所以我正在使用 Python 3.2.1 的 cElementTree 解析一些 XML 文件，在解析过程中我注意到一些标签缺少属性信息。我想知道是否有任何简单的方法可以在 xml 文件中获取这些元素的行号。

Answer 1

我花了一段时间才弄清楚如何使用 Python 3.x（这里使用 3.3.2）来完成这项工作，所以我想总结一下：

# Force python XML parser not faster C accelerators
# because we can't hook the C implementation
sys.modules['_elementtree'] = None
import xml.etree.ElementTree as ET

class LineNumberingParser(ET.XMLParser):
    def _start_list(self, *args, **kwargs):
        # Here we assume the default XML parser which is expat
        # and copy its element position attributes into output Elements
        element = super(self.__class__, self)._start_list(*args, **kwargs)
        element._start_line_number = self.parser.CurrentLineNumber
        element._start_column_number = self.parser.CurrentColumnNumber
        element._start_byte_index = self.parser.CurrentByteIndex
        return element

    def _end(self, *args, **kwargs):
        element = super(self.__class__, self)._end(*args, **kwargs)
        element._end_line_number = self.parser.CurrentLineNumber
        element._end_column_number = self.parser.CurrentColumnNumber
        element._end_byte_index = self.parser.CurrentByteIndex
        return element

tree = ET.parse(filename, parser=LineNumberingParser())

Answer 2

这样做的一种（hackish）方法是在解析之前将一个包含行号的虚拟属性插入每个元素。以下是我使用 minidom 的方法：

python reporting line/column of origin of XML node

这可以简单地调整为 cElementTree（或实际上任何其他 python XML 解析器）。

Answer 3

我通过子类化 ElementTree.XMLTreeBuilder 在 elementtree 中完成了这项工作。然后，我可以访问 self._parser (Expat)，它具有属性 _parser.CurrentLineNumber 和 _parser.CurrentColumnNumber。

http://docs.python.org/py3k/library/pyexpat.html?highlight=xml.parser#xmlparser-objects 有关于这些属性的详细信息

在解析过程中，您可以打印出信息，或将这些值放入输出的 XML 元素属性中。

如果您的 XML 文件包含额外的 XML 文件，您必须做一些我不记得且没有很好记录的事情来跟踪当前的 XML 文件。

Answer 4

查看文档，我发现无法使用 cElementTree 执行此操作。

不过，我对lxmls 版本的 XML 实现很幸运。 使用libxml2，它应该几乎是替代品。并且元素有一个sourceline 属性。 （以及获得许多其他 XML 功能）。

唯一需要注意的是，我只在 python 2.x 中使用过它——不确定它在 3.x 下如何/是否工作——但可能值得一看。

附录： 他们在首页上说：

lxml XML 工具包是 C 库 libxml2 的 Pythonic 绑定 和 libxslt。它的独特之处在于它结合了速度和 XML 这些库的功能完整性与简单的 原生 Python API，大部分兼容但优于众所周知的 元素树 API。最新版本适用于所有 CPython 版本 从 2.3 到 3.2。有关更多信息，请参阅介绍 lxml 项目的背景和目标。一些常见问题是 在常见问题解答中回答。

所以看起来python 3.x是可以的。