如何解析包含多个子目录的 zip 文件中的多个 xml 文件答案

【问题标题】：How to parse multiple xml files inside a zip file containing multiple subdirectories如何解析包含多个子目录的 zip 文件中的多个 xml 文件
【发布时间】：2022-01-27 19:23:31
【问题描述】：

我必须搜索并打印存储在 zip 文件中的多个 XML 文件的结果。在这种情况下，我的代码运行良好。但是当 zip 文件包含多个子目录并在 XML 文件中显示时

文件“/usr/lib/python3.10/xml/etree/ElementTree.py”，第 1348 行，XML 返回 parser.close() xml.etree.ElementTree.ParseError：找不到元素：第 1 行，第 0 列

这是我的代码（如果所有 XML 文件都存储在没有任何文件夹的 zip 文件中，则效果很好）

import re
import xml.etree.ElementTree as ET
from zipfile import ZipFile

from utils.xml import SRXMLElements

DEFAULT_ZIP = "./resources/another.zip"


def parse_xml(search_pattern) -> None:
    with ZipFile(DEFAULT_ZIP, "r") as my_zip:
        for file_name in my_zip.namelist():
            with my_zip.open(file_name) as my_file:
                root = ET.fromstring(my_file.read().decode())
                for billSummary in root.iter(SRXMLElements.BillSummaries.value):
                    for text in billSummary.iter(SRXMLElements.Text.value):
                        summary_text = text.text
                        for match in search_pattern.finditer(summary_text):
                            print(text.text)
                            for child in billSummary.iter('RECEIVEDDATE'):
                                print(child.text)
                            


def main() -> None:
   
    
    search_pattern = re.compile("1941012339")
    parse_xml(search_pattern)
  


if __name__ == "__main__":
    main()

from enum import Enum


class SRXMLElements(Enum):
    BillSummaries = "Product"
    Text = "SERVICETAGNUM"

【问题讨论】：

标签： python xml zip elementtree zipfile

【解决方案1】：

namelist 方法不仅返回文件。它还包括目录。因此，您必须检查file_name实际上是一个XML文件还是一个目录。

这是我的测试 ZIP 文件的内容：

Archive:  another.zip
  Length      Date    Time    Name
---------  ---------- -----   ----
       30  2022-01-27 20:28   test.xml
        0  2022-01-27 20:28   a/
       30  2022-01-27 20:28   a/test.xml
---------                     -------
       60                     3 files

当我们运行以下代码时，我们可以看到，它也输出了目录。

def parse_xml(search_pattern) -> None:
    with ZipFile(DEFAULT_ZIP, "r") as my_zip:
        for file_name in my_zip.namelist():
            print(file_name)

输出：

test.xml
a/
a/test.xml

好在zipfile还提供了一个特殊的Path类，可以用来检查名字是否真的是一个文件：

import zipfile

def parse_xml(search_pattern) -> None:
    with ZipFile(DEFAULT_ZIP, "r") as my_zip:
        for file_name in my_zip.namelist():
            if zipfile.Path(my_zip, file_name).is_file():
                print(file_name)

输出：

test.xml
a/test.xml

【讨论】：