python中的lxml xpath，如何处理丢失的标签？答案

【问题标题】：lxml xpath in python, how to handle missing tags?python中的lxml xpath，如何处理丢失的标签？
【发布时间】：2012-06-13 19:50:07
【问题描述】：

假设我想用 lxml xpath 表达式解析下面的 xml

<pack xmlns="http://ns.qubic.tv/2010/item">
    <packitem>
        <duration>520</duration>
        <max_count>14</max_count>
    </packitem>
    <packitem>
        <duration>12</duration>
    </packitem>
</pack>

这是 http://python-thoughts.blogspot.fr/2012/01/default-value-for-text-function-using.html 的变体

我怎样才能实现对不同元素的解析，一旦被压缩（在 zip 或 izip python 函数意义上）就会给我

[(520,14),(12,无)]

第二个包装中缺少的max_count 标签让我无法得到我想要的东西。

【问题讨论】：

标签： python xml lxml

【解决方案1】：

def lxml_empty_str(context, nodes):
    for node in nodes:
        node.text = node.text or ""
    return nodes

ns = etree.FunctionNamespace('http://ns.qubic.tv/lxmlfunctions')
ns['lxml_empty_str'] = lxml_empty_str

namespaces = {'i':"http://ns.qubic.tv/2010/item",
          'f': "http://ns.qubic.tv/lxmlfunctions"}
packitems_duration = root.xpath('f:lxml_empty_str('//b:pack/i:packitem/i:duration)/text()',
namespaces={'b':billing_ns, 'f' : 'http://ns.qubic.tv/lxmlfunctions'})
packitems_max_count = root.xpath('f:lxml_empty_str('//b:pack/i:packitem/i:max_count)    /text()',
namespaces={'b':billing_ns, 'f' : 'http://ns.qubic.tv/lxmlfunctions'})
packitems = zip(packitems_duration, packitems_max_count)

>>> packitems
[('520','14'), ('','23')]

http://python-thoughts.blogspot.fr/2012/01/default-value-for-text-function-using.html

【讨论】：

【解决方案2】：

您可以使用xpath 找到packitems，然后再次调用xpath（或findtext，如下所示）找到duration 和max_counts。不得不多次致电xpath 可能不会很快，但它确实有效。

import lxml.etree as ET

content = '''<pack xmlns="http://ns.qubic.tv/2010/item">
    <packitem>
        <duration>520</duration>
        <max_count>14</max_count>
    </packitem>
    <packitem>
        <duration>12</duration>
    </packitem>
</pack>
'''

def make_int(text):
    try:
        return int(text)
    except TypeError:
        return None

namespaces = {'ns' : 'http://ns.qubic.tv/2010/item'}
doc = ET.fromstring(content)
result = [tuple([make_int(elt.findtext(path, namespaces = namespaces))
                           for path in ('ns:duration', 'ns:max_count')])
          for elt in doc.xpath('//ns:packitem', namespaces = namespaces) ]
print(result)
# [(520, 14), (12, None)]

另一种方法是使用 SAX 解析器。这可能会快一点，但它需要更多的代码，如果 XML 不是很大，速度差异可能并不重要。

【讨论】：

非常感谢您花时间研究我的用例。我已经有一个类似于你的解决方案，如果可能的话，我希望有一个完整的 xpath 方法。最好的问候