使用有序字典解析 xml 文件

Question

我有一个xml 格式的文件：

<NewDataSet>
    <Root>
        <Phonemic>and</Phonemic>
        <Phonetic>nd</Phonetic>
        <Description/>
        <Start>0</Start>
        <End>8262</End>
    </Root>
    <Root>
        <Phonemic>comfortable</Phonemic>
        <Phonetic>comfetebl</Phonetic>
        <Description>adj</Description>
        <Start>61404</Start>
        <End>72624</End>
    </Root>
</NewDataSet>

我需要处理它，例如，当用户输入nd 时，程序将其与<Phonetic> 标记匹配，并从<Phonemic> 部分返回and。我想也许如果我可以将 xml 文件转换为字典，我将能够遍历数据并在需要时查找信息。

我搜索并找到了用于相同目的的xmltodict：

import xmltodict
with open(r'path\to\1.xml', encoding='utf-8', errors='ignore') as fd:
    obj = xmltodict.parse(fd.read())

运行它会给我一个ordered dict：

>>> obj
OrderedDict([('NewDataSet', OrderedDict([('Root', [OrderedDict([('Phonemic', 'and'), ('Phonetic', 'nd'), ('Description', None), ('Start', '0'), ('End', '8262')]), OrderedDict([('Phonemic', 'comfortable'), ('Phonetic', 'comfetebl'), ('Description', 'adj'), ('Start', '61404'), ('End', '72624')])])]))])

不幸的是，这并没有让事情变得更简单，我不确定如何使用新的数据结构来实现程序。例如要访问nd，我必须写：

obj['NewDataSet']['Root'][0]['Phonetic']

这非常复杂。我试图通过dict() 将它变成一个常规字典，但是由于它是嵌套的，所以内层保持有序并且我的数据很大。

Answer 1

您实际上可以通过设置额外的关键字参数来避免转换为 OrderedDict：

obj = xmltodict.parse(xmldata, dict_constructor=dict)

parse 将关键字参数转发给_DictSAXHandler，dict_constructor 默认设置为OrderedDict。

Answer 2

Mu 的回答对我有用，我唯一需要改变的是棘手的 ensure root_element 始终是一个列表 步骤。：-

import xmltodict
from collections import OrderedDict

xmldata = """<NewDataSet>
    <Root>
        <Phonemic>and</Phonemic>
        <Phonetic>nd</Phonetic>
        <Description/>
        <Start>0</Start>
        <End>8262</End>
    </Root>
    <Root>
        <Phonemic>comfortable</Phonemic>
        <Phonetic>comfetebl</Phonetic>
        <Description>adj</Description>
        <Start>61404</Start>
        <End>72624</End>
    </Root>
</NewDataSet>"""

obj = xmltodict.parse(xmldata)
obj = obj["NewDataSet"]
root_elements = obj["Root"] if type(obj["Root"]) == list else [obj["Root"]] 
# Above step ensures that root_elements is always a list
# Is obj["Root"] a list already, then use obj["Root"], otherwise make single element list.
for element in root_elements:
    print element["Phonetic"]

Answer 3

如果您以 obj['NewDataSet']['Root'][0]['Phonetic'] 的身份访问此内容，IMO，那么您的做法不对。

相反，您可以执行以下操作

obj = obj["NewDataSet"]
root_elements = obj["Root"] if type(obj) == OrderedDict else [obj["Root"]] 
# Above step ensures that root_elements is always a list
for element in root_elements:
    print element["Phonetic"]

尽管这段代码看起来要长得多，但优点是一旦开始处理足够大的 xml，它就会更加紧凑和模块化。

PS：xmltodict 我也遇到了同样的问题。但不是使用 xml.etree.ElementTree 解析 xml 文件，xmltodict 更容易使用，因为代码库更小，而且我不必处理 xml 模块的其他空洞。

编辑

以下代码对我有用

import xmltodict
from collections import OrderedDict

xmldata = """<NewDataSet>
    <Root>
        <Phonemic>and</Phonemic>
        <Phonetic>nd</Phonetic>
        <Description/>
        <Start>0</Start>
        <End>8262</End>
    </Root>
    <Root>
        <Phonemic>comfortable</Phonemic>
        <Phonetic>comfetebl</Phonetic>
        <Description>adj</Description>
        <Start>61404</Start>
        <End>72624</End>
    </Root>
</NewDataSet>"""

obj = xmltodict.parse(xmldata)
obj = obj["NewDataSet"]
root_elements = obj["Root"] if type(obj) == OrderedDict else [obj["Root"]] 
# Above step ensures that root_elements is always a list
for element in root_elements:
    print element["Phonetic"]