xml/parse：将所有标签名称转换为小写并删除空行答案

【问题标题】：xml/parse: Convert all tag names into lower case and remove empty rowxml/parse：将所有标签名称转换为小写并删除空行
【发布时间】：2015-10-29 00:21:45
【问题描述】：

我有一个凌乱的 XML 文件，想通过以下方式对其进行标准化：

将所有标签名称转换为小写。比如将<ROW>、<Year>转换成<row>、<year>
删除空行，例如<ROW> 之后和</ROW> 标记之前的空格。

我可以在BeautifulSoup 中调用：

soup = BeautifulSoup(xml_str_update, "lxml")

但是，一旦文件大于一定大小，BeautifulSoup 就会开始抱怨...

Exception MemoryError: MemoryError() in 'lxml.etree._BaseErrorLog._receive' ignored

所以，我想知道这是否可以使用其他库来完成。提前致谢！

我的 xml 文件示例：

xml_str = """
<DATA>

    <ROW>
        <assmtid>1</assmtid>
        <Year>1988</Year>
    </ROW>

    <ROW>
        <assmtid>2</assmtid>
        <Year>1989</Year>
    </ROW>

    <ROW>
        <assmtid>2</assmtid>
        <Year>1990</Year>
    </ROW>

</DATA>
"""

【问题讨论】：

标签： xml parsing beautifulsoup lxml

【解决方案1】：

XSLT 是您的朋友。您已经描述了两个转换规则：

将所有标签名称转换为小写。例如，将<ROW>、<Year> 转换为<row> 和<year>

那是：

<xsl:template match="*">
  <xsl:element name="{lower-case(name())}">
    <xsl:copy-of select="@*"/>
    <xsl:apply-templates/>
  </xsl:element>
</xsl:template>

删除空行，例如<ROW> 之后和</ROW> 标记之前的空格。

这很简单

<xsl:strip-space elements="ROW"/>

（或者您可以扩展您希望它应用到的元素列表：elements="*" 将从所有元素中去除纯空格文本节点）。

如果您的文档超过几百 Mb，那么它将受益于流式传输，这在几个 XSLT 3.0 处理器中可用 - Saxon-EE 和 Exselt。

【讨论】：

非常感谢您的建议！