根据不同标签的属性提取 XML 标签数据答案

【问题标题】：Extract XML tag data based on attributes of a different tag根据不同标签的属性提取 XML 标签数据
【发布时间】：2018-04-11 16:15:51
【问题描述】：

我正在使用 xml.etree 来解析一些需要使用 Python 导入数据库的巨大 XML 文件，但由于某种原因，我无法弄清楚如何根据属性提取特定标签不同的标签

例如，在下面包含的这段 XML 中，我需要提取 NicamWarningCS 标签下的标签文本，并将它们放在一个列表中。关于如何实现这一目标的任何建议？

<Main xmlns:mpeg7="urn:mpeg:mpeg7:schema:2001" xmlns="urn:tva:metadata:2004">
  <ProgramDescription>
    <ProgramInformationTable>
      <ProgramInformation programId="123456">
        <BasicDescription>
           <Genre href="urn:tva:metadata:cs:2004:2.4">
             <Name xml:lang="NL"><![CDATA[Film]]></Name>
           </Genre>
           <Genre href="urn:po:metadata:cs:GenreCS:2009:4" type="other">
             <Name xml:lang="NL"><![CDATA[Film]]></Name>
           </Genre>
           <Genre href="urn:po:metadata:cs:NicamWarningCS:2007:t">
             <Name xml:lang="NL"><![CDATA[Grof taalgebruik]]></Name>
           </Genre>
           <Genre href="urn:po:metadata:cs:NicamWarningCS:2007:g">
             <Name xml:lang="NL"><![CDATA[Geweld]]></Name>
           </Genre>
           <Genre href="urn:po:metadata:cs:GenreCS:2009:23" type="other">
             <Name xml:lang="NL"><![CDATA[Biography/Drama/History]]></Name>
           </Genre>
         </BasicDescription>
       </ProgramInformation>
     </ProgramInformationTable>
   </ProgramDescription>
 </Main>

【问题讨论】：

标签： python xml

【解决方案1】：

这是我要做的详细过程：

import xml.etree.ElementTree as ET

# 1. Parse your xml file
tree = ET.parse('your.xml')

# 2. Get the root
root = tree.getroot()

# 3. Set the tag and attribute you are looking for
ns = 'urn:tva:metadata:2004'
matchTag = 'NicamWarningCS'

# 4. retrieve all Genres
genres = root.find('{%s}ProgramDescription' % ns) \
    .find('{%s}ProgramInformationTable' % ns) \
    .find('{%s}ProgramInformation' % ns) \
    .find('{%s}BasicDescription' % ns) \
    .findall('{%s}Genre' % ns)

# 5. filter them in order to get just the Names of the ones that match your matchTag : 'NicamWarningCS'
filteredGenreNames = [genre.find('{%s}Name' % ns) for genre in genres if matchTag in genre.get('href')]

# 6. extract the text of the tags
data = [t.text for t in filteredGenreNames]

print(data)
# ['Grof taalgebruik', 'Geweld']

【讨论】：

我认为这个答案比我找到的解决方案更具可读性，并且很好地展示了 Erik 提出的解决方案。谢谢！

【解决方案2】：

只需获取所有 Genre 元素并过滤具有您感兴趣的 href 属性的元素：

ns = 'urn:tva:metadata:2004'
all_genres = fromstring(xml) \
    .find('{%s}ProgramDescription' % ns) \
    .find('{%s}ProgramInformationTable' % ns) \
    .find('{%s}ProgramInformation' % ns) \
    .find('{%s}BasicDescription' % ns) \
    .findall('{%s}Genre' % ns)
some_genres = [g for g in all_genres if 'NicamWarningCS' in g.get('href')]

【讨论】：

【解决方案3】：

我无法快速启动并运行 Erik 的答案，但它向我暗示了另一种解决方案的方向，该解决方案能够解决我的问题。

通过创建一个包含所有类型的字典，我能够过滤掉所有 Nicam 警告并将它们添加到一个列表中，然后我可以使用该列表来填充我的 SQL 语句：

genreitemdict = dict()
for genreitem in program.iter("{urn:tva:metadata:2004}Genre"):
    for child in genreitem:
        genreitemdict[genreitem.attrib['href']] = child.text
        NicamWarningCS = [v for k, v in genreitemdict.items() if 'NicamWarningCS' in k]
print NicamWarningCS

这可能不是最好的解决方案，但现在就可以了。

【讨论】：