Python3 将 XML 解析成字典

Question

看来原帖太含糊了，所以我缩小了这篇文章的重点。我有一个 XML 文件，我想从中提取特定分支的值，但我很难理解如何有效地导航 XML 路径。考虑下面的 XML 文件。有几个<mi> 分支。我想存储某些分支的<r> 值，而不是其他分支。在此示例中，我想要 counter1 和 counter3 的 <r> 值，而不是 counter2。

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="Data.xsl" ?>
<!DOCTYPE mdc SYSTEM "Data.dtd">
<mdc xmlns:HTML="http://www.w3.org/TR/REC-xml">
<mfh>
<vn>TEST</vn>
<cbt>20140126234500.0+0000</cbt>
</mfh>
<mi>
    <mts>20140126235000.0+0000</mts>
    <mt>counter1</mt>
    <mv>
        <moid>DEFAULT</moid>
        <r>58</r>
    </mv>
</mi>
<mi>
    <mts>20140126235000.0+0000</mts>
    <mt>counter2</mt>
    <mv>
        <moid>DEFAULT</moid>
        <r>100</r>
    </mv>
</mi>
<mi>
    <mts>20140126235000.0+0000</mts>
    <mt>counter3</mt>
    <mv>
        <moid>DEFAULT</moid>
        <r>7</r>
    </mv>
</mi>
</mdc>

由此我想用以下内容构建一个元组： ('20140126234500.0+0000', 58, 7) 其中 20140126234500.0+0000 取自 <cbt>，58 取自 <mi> 元素的 <r> 值（具有 <mt>counter1</mt>），7 取自 <mi> 元素（具有 <mt>counter3</mt>）。

我想使用xml.etree.cElementTree，因为它似乎是标准的，并且应该能够满足我的目的。但是我在导航树和提取我需要的值时遇到了困难。以下是我尝试过的一些方法。

try:
    import xml.etree.cElementTree as ET
except ImportError:
    import xml.etree.ElementTree as ET

tree = ET.ElementTree(file='Data.xml')
root = tree.getroot()
for mi in root.iter('mi'):
    print(mi.tag) 
    for mt in mi.findall("./mt") if mt.value == 'counter1':
        print(mi.find("./mv/r").value) #I know this is invalid syntax, but it's what I want to do :)

从伪代码的角度来看，我想做的是：

find the <cbt> value and store it in the first position of the tuple.
find the <mi> element where <mt>counter1</mt> exists and store the <r> value in the second position of the tuple.
find the <mi> element where <mt>counter3</mt> exists and store the <r> value in the third position of the tuple.

我不清楚何时使用element.iter() 或element.findall()。此外，在函数中使用XPath 或提取我需要的信息时，我运气不佳。

谢谢， 生锈

Answer 1

开始于：

import xml.etree.cElementTree as ET  # or with try/except as per your edit

xml_data1 = """<?xml version="1.0"?> and the rest of your XML here"""
tree = ET.fromstring(xml_data)  # or `ET.parse(<filename>)`
xml_dict = {}

现在tree 具有 xml 树，xml_dict 将是您尝试获取结果的字典。

# first get the key & val for 'cbt'
cbt_val = tree.find('mfh').find('cbt').text
xml_dict['cbt'] = cbt_val

计数器在'mi':

for elem in tree.findall('mi'):
    counter_name = elem.find('mt').text            # key
    counter_val = elem.find('mv').find('r').text   # value
    xml_dict[counter_name] = counter_val

此时，xml_dict 是：

>>> xml_dict
{'counter2': '100', 'counter1': '58', 'cbt': '20140126234500.0+0000', 'counter3': '7'}

---

一些缩写，虽然可能不那么可读：for elem in tree.findall('mi'): 循环中的代码可以是：

xml_dict[elem.find('mt').text] = elem.find('mv').find('r').text
# that combines the key/value extraction to one line

或者更进一步，构建xml_dict 只需两行，首先是计数器，然后是cbt：

xml_dict = {elem.find('mt').text: elem.find('mv').find('r').text for elem in tree.findall('mi')}
xml_dict['cbt'] = tree.find('mfh').find('cbt').text

---

编辑：

From the docs, Element.findall() 仅查找带有标签且是当前元素的直接子元素的元素。

find() 只找到第一个直接子代。

iter() 递归遍历所有元素。