Python：在一个节点中解析具有多个属性的 XML 文件

Question

我还是编程新手，但我了解一些 Python，并且对 XPath 和 XML 很熟悉。目前我正在处理一些看起来像这样的 XML 数据：

<foo>
  <bar>
      <unit>
          <structure>
              <token word="Rocky" att1="noun" att2="name">Rocky</token>
              <token word="the" att1="article" att2="">the</token>
              <token word="yellow" att1="adjective" att2="color">yellow</token>
              <token word="dog" att1="noun" att2="animal">dog</token>
          </structure>
      </unit>
  </bar>
</foo>

现在我需要做的是先找到一个属性值，让我们采取

<token word="dog" att1="noun"att2="animal"</token>

举个例子。因此，在文档中的所有结构中，我想首先找到所有具有 animal 作为 att2 值的节点，然后将该节点的所有兄弟节点放入一个列表中。因为每个节点都有几个属性，所以我试图将它们中的每一个都包含在一个不同的列表中，也就是说，从结构中具有 animal 的所有属性中创建一个列表其子项的 att2 值之一。例如：

 listWord = [Rocky, the, yellow, dog]
 listAtt1 = [noun, article, adjective, noun]
 listAtt2 = [name, ,color, animal]

目前我只是想知道这是否可能。到目前为止，我只是设法用属性结构撞到了墙上，更不用说空值了。

Answer 1

我不确定我是否理解您的问题，但以下是我理解的部分（使用 lxml 和 xpath）：

from lxml import etree
tree = etree.fromstring("""<foo>
  <bar>
      <unit>
          <structure>
              <token word="Rocky" att1="noun" att2="name"></token>
              <token word="the" att1="article" att2=""></token>
              <token word="yellow" att1="adjective" att2="color"></token>
              <token word="dog" att1="noun" att2="animal"></token>
          </structure>
      </unit>
  </bar>
</foo>""")


// get a list of all possible words, att1, att2:
listWord = tree.xpath("//token/@word")
listAtt1 = tree.xpath("//token/@att1")
listAtt2 = tree.xpath("//token/@att2")

// get all the tokens with att2="animal"
for token in tree.xpath('//token[@att2="animal"]'):
    do_your_own_stuff()

Answer 2

包含结束标记，并假设您的文本包含在 test.xml 中，以下内容：

import xml.etree.ElementTree

e = xml.etree.ElementTree.parse('test.xml').getroot()

listWord = []
listAtt1 = []
listAtt2 = []

for child in e.iter('token'):
    listWord.append(child.attrib['word'])
    listAtt1.append(child.attrib['att1'])
    listAtt2.append(child.attrib['att2'])

print listWord
print listAtt1
print listAtt2

将返回：

['Rocky', 'the', 'yellow', 'dog']
['noun', 'article', 'adjective', 'noun']
['name', '', 'color', 'animal']

e.iter() 允许您迭代 e 作为根及其下方的元素 - 我们指定 token 的标签只返回 token 元素。 child.attrib 返回一个属性字典，我们将其附加到列表中。

编辑：对于您问题的第二点，我认为以下内容（尽管可能不是最佳实践）可以满足您的需求：

import xml.etree.ElementTree

e = xml.etree.ElementTree.parse('test.xml').getroot()

listWord = []
listAtt1 = []
listAtt2 = []
animal_structs =[]

for structure in e.iter('structure'):
    for child in structure.iter('token'):
        if 'att2' in child.keys():
            if child.attrib['att2'] == 'animal':
                animal_structs.append(structure)
                break

for structure in animal_structs:
    for child in structure.iter('token'):
        listWord.append(child.attrib['word'])
        listAtt1.append(child.attrib['att1'])
        listAtt2.append(child.attrib['att2'])

print listWord
print listAtt1
print listAtt2

我们首先创建一个包含structure 子元素的所有structure 元素的列表，然后返回每个结构的所有then 属性。