使用python将XML结构更改为新结构

Question

我想将结构从 XML 更改为给我的另一个标准结构。 我相信我可以通过以下步骤实现：

1. 获取所有标签及其属性，这样我就可以知道要修改什么， 删除或添加。
2. 更改标签名称（例如，informaltable 为 table，或 sect1 为 部分）
3. 为不同的标签建立某些标准属性，并且 在字典中显示它（即所有部分、标题和表格标签 必须具备这些属性---- 部分：{"xmlns:xsi","id","type","xsi:noNamespaceSchemaLocation"} , 标题：“id”，表格：{“frame”，“id”}。
4. 为每个具有 id 的标签提供一个随机的字母数字 id 属性，并且它绝不能重复自身（即 id=id-824fc56b-431b-4ad3-e933-f0fc222e50d3)
5. 修改、添加和删除某些标签的属性值（即 frame 是 frame=all，现在是 frame=any）（即删除 rowsep colspec 标记中的属性）。
6. 删除特定标签（即删除锚标签，当然还有所有 他们的属性）（我希望这不会影响整个 层次结构）。

我有这个 xml 示例

<section xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" id="id-c3ee53e4-e2ef-441b-8f3b-7320c4e32ef8" type="policy" xsi:noNamespaceSchemaLocation="urn:fontoxml:cpa.xsd:5.0">
  <title id="id-f0497441-5ecb-47ee-b7c0-263832a9e402">
    <anchor id="_Toc493170182"/>
    <anchor id="__RefHeading___Toc3574_3674829928"/>
    <anchor id="_Toc72503731"/>
    <anchor id="_Toc69390724"/>
    <anchor id="_Toc493496869"/>
    Abbreviations of Terms
  </title>
      <table frame="all" id="id-6837f232-02e3-4e7a-ce8d-cb2df48256ac">
        <tgroup cols="2" id="id-437c0d54-7257-4d34-a73d-351d533f0460">
          <colspec colname="column-0" colnum="1" colsep="1" rowsep="1" colwidth="0.2*" id="id-c87e1040-c2d7-4b15-fb0c-86557d201235" />
          <colspec colname="column-1" colnum="2" colsep="1" rowsep="1" colwidth="0.8*" id="id-5bebcf85-440b-416e-b2f9-72e47d5bb4f7" />
          <thead id="id-ff67f8a7-5baf-4a42-ac31-09c0f99cceed">
            <row id="id-542df999-7736-4cc2-e725-1b7b106e08d6">
              <entry rowsep="1" colsep="1" colname="column-0" id="id-54a7d605-21ff-44db-c1f6-03111db180c7">
                <para id="id-f43f7fb1-cd40-4b4a-88f2-02e55e786a5e">
                  <emphasis style="bold">Abbreviation
                  </emphasis>
                </para>
              </entry>
              <entry rowsep="1" colsep="1" colname="column-1" id="id-aecec4c6-f85b-490e-9b72-99c6764b49cf">
                <para id="id-4d89100a-4e4c-419a-d081-f776bcf9083e">
                  <emphasis style="bold">Definition
                  </emphasis>
                </para>
              </entry>
            </row>
          </thead>
          <tbody id="id-824fc56b-431b-4ad3-e933-f0fc222e50d3">
            <row id="id-620a8ff6-0189-41c7-e9af-dc9498ce703e">
              <entry rowsep="1" colsep="1" colname="column-0" id="id-fb941cc0-287d-4760-a5a0-87419fa66d68">
                <para id="id-127a8a37-9705-496b-87ee-303bcfd52a25">A/C</para>
              </entry>
              <entry rowsep="1" colsep="1" colname="column-1" id="id-317ad682-6e02-43c3-b724-5d50683c8f79">
                <para id="id-c7c2fac5-f286-4802-b8d6-2e54fa2cad3c">AirCraft</para>
              </entry>
            </row>
          </tbody>  
        </tgroup>
      </table>
</section>

这是我目前的代码

from lxml import etree
import numpy as np

#Parsing the xml file and creating lists
tree = etree.parse("InitialFile")
root = tree.getroot()
Lista = []
tags = []

#Get the unique tags values
for element in root.iter():
    Lista.append(element.tag)
tags = np.unique(Lista)

#Show the unique tag[attributes] pairs
for tag in tags:
    print(tag,root.xpath(f'//{tag}')[0].attrib.keys())
    
#Changes the tag name to the required's tag's name
for p in tree.findall(".//sect1"):
    p.tag = ("section")
for p in tree.findall(".//informaltable"):
    p.tag = ("table")    
    
#Modify the tag's attributes to its desired form
for cy in root.xpath('//section'):
    cy.attrib['xmlns:xsi']='http://www.w3.org/2001/XMLSchema-instance' #it doesnt accept : as part of the attribute's name and i don't know why
    cy.attrib['id']=random() #this doesn't work yet
    cy.attrib['type']='policy'
    cy.attrib['xsi:noNamespaceSchemaLocation']='urn:fontoxml:cpa.xsd:1.0'#it doesnt accept :as part of the attribute's name and i don't know why

#Modify the attributes values
for t in root.xpath('//title'):
    t.attrib['id']='random()
    
for p in root.xpath('//section'):
    p.attrib['id']=random()
    p.attrib['type']='policy'

for p in root.xpath('//table'):
    p.attrib['id']=random()
    
for ct in root.xpath('//colspec'):
    ct.attrib.pop("rowsep", None)

#Print the new xml to make sure it worked:
print(etree.tostring(root).decode())
    
tree.write("Final file.xml")

如果您有任何其他想法，请随时分享。

Answer 1

我同意这是 XSLT 的任务（可以由 lxml 使用），这是一个示例样式表，它试图通过将每次更改委托给它自己的模板来以模块化方式实现您的一些要求：

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet
    xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    version="1.0">

  <xsl:output method="xml"/>

  <xsl:template match="@* | node()">
    <xsl:copy>
      <xsl:apply-templates select="@* | node()"/>
    </xsl:copy>
  </xsl:template>

  <xsl:template match="sect1">
      <section>
          <xsl:apply-templates select="@* | node()"/>
      </section>
  </xsl:template>
  
  <xsl:template match="informaltable">
      <table>
          <xsl:apply-templates select="@* | node()"/>
      </table>
  </xsl:template>
  
  <xsl:template match="@id">
      <xsl:attribute name="{name()}">
          <xsl:value-of select="generate-id()"/>
      </xsl:attribute>
  </xsl:template>
  
  <xsl:template match="@xsi:noNamespaceSchemaLocation">
      <xsl:attribute name="{name()}" namespace="{namespace-uri()}">urn:fontoxml:cpa.xsd:1.0</xsl:attribute>
  </xsl:template>
  
  <xsl:template match="colspec/@rowsep"/>

</xsl:stylesheet>

https://xsltfiddle.liberty-development.net/bET2rXs

我希望以此为起点，任何 XSLT 教程或介绍都可以帮助您完成。