使用 Python 3.6 解析 XML 如何确定 XML 标记是否不包含数据答案

【问题标题】：Using Python 3.6 to parse XML how can I determine if an XML tag contains no data使用 Python 3.6 解析 XML 如何确定 XML 标记是否不包含数据
【发布时间】：2017-02-09 07:55:53
【问题描述】：

我正在尝试通过编写一个脚本来学习 Python，该脚本将从 XML 文件中的多个记录中提取数据。通过在网络上搜索，我已经能够找到大多数问题的答案，但是我还没有找到一种方法来确定 XML 标记在 getElementsByTagName("tagname") 之前是否不包含任何数据[0].firstChild.data 方法被使用，当没有数据存在时抛出 AttributeError。我意识到我可以尝试编写代码并处理 AttributeError，但我宁愿在尝试提取数据之前知道标签是空的，而不必处理异常。下面是一个 XML 文件的示例，其中包含两条记录，一条带有标签中的数据，一条带有空标签。

<?xml version='1.0' encoding='UTF-8' standalone='yes' ?>
<records>
  <rec>
    <name>ZYSRQPO</name>
    <state>Washington</state>
    <country>United States</country>
  </rec>
  <rec>
    <name>ZYXWVUT</name>
    <state></state>
    <country>Mexico</country>
  </rec>
</records>

这是我可能用来提取数据的代码示例：

from xml.dom import minidom
import sys

mydoc  = minidom.parse('mydataFile.xml')
records = mydoc.getElementsByTagName("rec")

for rec in records:
    try:
        name = rec.getElementsByTagName("name")[0].firstChild.data
        state = rec.getElementsByTagName("state")[0].firstChild.data
        country = rec.getElementsByTagName("country")[0].firstChild.data
        print('{}\t{}\t{}'.format(name, state, country))

    except (AttributeError):
        print('AttributeError encountered in record {}'.format(name), file=sys.stderr)
        continue

处理此文件时，不会打印名为 ZYXWVUT 的记录的任何信息，除非遇到异常。我希望能够为使用的州名设置一个空值，并打印有关此记录的其余信息。有没有一种方法可以用来做我想做的事情，这样我就可以在使用getElementsByTagName之前使用if语句来确定标签是否不包含数据并在找不到数据时遇到错误？

【问题讨论】：

标签： xml-parsing minidom python-3.6

【解决方案1】：

from xml.dom import minidom
import sys

mydoc  = minidom.parse('mydataFile.xml')
records = mydoc.getElementsByTagName("rec")

for rec in records:
    name = rec.getElementsByTagName("name")[0].firstChild.data
    state = None if len(rec.getElementsByTagName("state")[0].childNodes) == 0 else rec.getElementsByTagName("state")[0].firstChild.data
    country = rec.getElementsByTagName("country")[0].firstChild.data
    print('{}\t{}\t{}'.format(name, state, country))

或者如果有任何机会，那个名字和国家也是空的：

from xml.dom import minidom
import sys


def get_node_data(node):
    if len(node.childNodes) == 0:
        result = None
    else:
        result = node.firstChild.data
    return result


mydoc  = minidom.parse('mydataFile.xml')
records = mydoc.getElementsByTagName("rec")

for rec in records:
    name = get_node_data(rec.getElementsByTagName("name")[0])
    state = get_node_data(rec.getElementsByTagName("state")[0])
    country = get_node_data(rec.getElementsByTagName("country")[0])
    print('{}\t{}\t{}'.format(name, state, country))

【讨论】：

谢谢，感谢您的回复。我特别喜欢第二个建议，尽管名称或国家/地区几乎不可能为空，但它使结构看起来更优雅。我现在还有其他地方需要去，所以我没有尝试过，但我会尽快尝试。

【解决方案2】：

我尝试了 reedcourty 的第二个建议，发现效果很好。但我决定，如果元素为空，我真的不希望返回 none。这是我想出的：

from xml.dom import minidom
import sys

def get_node_data(node):
    if len(node.childNodes) == 0:
        result = '*->No ' + node.nodeName + '<-*'
    else:
        result = node.firstChild.data
    return result

mydoc  = minidom.parse(dataFileSpec)
records = mydoc.getElementsByTagName("rec")

for rec in records:
    name = get_node_data(rec.getElementsByTagName("name")[0])
    state = get_node_data(rec.getElementsByTagName("state")[0])
    country = get_node_data(rec.getElementsByTagName("country")[0])
    print('{}\t{}\t{}'.format(name, state, country))

当对这个 XML 运行时：

<?xml version='1.0' encoding='UTF-8' standalone='yes' ?>
<records>
  <rec>
    <name>ZYSRQPO</name>
    <country>United States</country>
    <state>Washington</state>
  </rec>
  <rec>
    <name></name>
    <country>United States</country>
    <state>Washington</state>
  </rec>
  <rec>
    <name>ZYXWVUT</name>
    <country>Mexico</country>
    <state></state>
  </rec>
  <rec>
    <name>ZYNMLKJ</name>
    <country></country>
    <state>Washington</state>
  </rec>
</records>

它产生这个输出：

ZYSRQPO Washington      United States
*->No name<-*   Washington      United States
ZYXWVUT *->No state<-*  Mexico
ZYNMLKJ Washington      *->No country<-*

【讨论】：