Python：以非侵入方式处理 XML 文件

Question

我有大量的 XML 文件，我想在其中进行以下更改：

1. 创建一个新元素——我们称之为new_element——在根元素下

2. 找到另一个嵌套更深的特定元素——我们称之为existing_element——并移动它，使其成为new_element的子元素

我想以尽可能少的干扰方式来做到这一点，这样旧文件和新文件之间的差异只显示属于新创建元素的行的更改（因此已添加到文件中）或曾经属于被移动的元素（因此已从文件中删除）。我想使用 Python 3 来做到这一点。

但是，当我尝试使用 xml.dom.minidom 读取其中一个 XML 文件并将刚刚读取的内容写入一个新文件并比较这两个文件时，每一行都被标记为已更改（可能是因为它们包含不同类型的换行符）。此外，当我查看这两个文件的内容时，我发现 XML 声明中的编码规范以及声明后的换行符都消失了，并且整个文档中的标签中的属性都被打乱了顺序标签。

使用xml.etree.ElementTree 时的情况非常相似，只是现在整个 XML 声明都消失了，所有标签名称前面都有“ns0:”（出于某种原因），一些属性名称后面是“@987654327 @"。

这些对 XML 文件的“额外”修改都是不可取的，因为我希望能够区分旧文件和新文件，并且能够轻松查看哪些已更改，哪些未更改。

那么，有没有一些简单的方法可以基于另一个 XML 文件创建一个新的 XML 文件，该文件只对真正应该更改的行进行更改，而所有其他行都保持不变，并且不涉及编写自己的代码来解析 XML 数据？

编辑：这是我要处理的文件的结构（因为我不知道什么会导致任何建议的代码工作或不工作与我的 XML 文件，我只有删除了存储在文件中三个不同位置的数据——我已将其替换为“*data*”——并保持其他所有内容不变）：

<?xml version="1.0" encoding="UTF-8"?>
<COLLADA xmlns="http://www.collada.org/2005/11/COLLADASchema" version="1.4.1">
    <asset>
        <contributor/>
        <created>2017-01-23T12:01:30Z</created>
        <modified>2017-01-23T12:01:30Z</modified>
        <unit/>
        <up_axis>Z_UP</up_axis>
    </asset>
    <library_visual_scenes>
        <visual_scene id="defaultScene">
            <node id="sceneRoot">
                <instance_geometry url="#geometry">
                    <bind_material>
                        <technique_common>
                            <instance_material symbol="geometry_material" target="#material">
                                <bind_vertex_input semantic="texcoord0" input_semantic="TEXCOORD" input_set="0"/>
                            </instance_material>
                        </technique_common>
                    </bind_material>
                </instance_geometry>
            </node>
        </visual_scene>
    </library_visual_scenes>
    <library_geometries>
        <geometry id="geometry">
            <mesh>
                <source id="geometry-positions">
                    <float_array id="geometry-positions-array" count="673731">*data*</float_array>
                    <technique_common>
                        <accessor count="224577" source="#geometry-positions-array" stride="3">
                            <param name="X" type="float"/>
                            <param name="Y" type="float"/>
                            <param name="Z" type="float"/>
                        </accessor>
                    </technique_common>
                </source>
                <source id="geometry-texcoord_0">
                    <float_array id="geometry-texcoord_0-array" count="449154">*data*</float_array>
                    <technique_common>
                        <accessor count="224577" source="#geometry-texcoord_0-array" stride="2">
                            <param name="S" type="float"/>
                            <param name="T" type="float"/>
                        </accessor>
                    </technique_common>
                </source>
                <vertices id="geometry-vertices">
                    <input semantic="POSITION" source="#geometry-positions"/>
                </vertices>
                <triangles count="329753" material="geometry_material">
                    <input offset="0" semantic="VERTEX" source="#geometry-vertices" set="0"/>
                    <input offset="1" semantic="TEXCOORD" source="#geometry-texcoord_0" set="0"/>
                    <p>*data*</p>
                </triangles>
            </mesh>
        </geometry>
    </library_geometries>
    <library_materials>
        <material id="material">
            <instance_effect url="#material_effect"/>
        </material>
    </library_materials>
    <library_effects>
        <effect id="material_effect">
            <profile_COMMON>
                <image id="material_effect-image" height="0" width="0">
                    <init_from>Tile_+037_+047_0.jpg</init_from>
                </image>
                <newparam sid="material_effect-surface">
                    <surface type="2D">
                        <init_from>material_effect-image</init_from>
                    </surface>
                </newparam>
                <newparam sid="material_effect-sampler">
                    <sampler2D>
                        <source>material_effect-surface</source>
                        <wrap_s>CLAMP</wrap_s>
                        <wrap_t>CLAMP</wrap_t>
                        <minfilter>LINEAR_MIPMAP_LINEAR</minfilter>
                        <magfilter>LINEAR</magfilter>
                        <border_color>0 0 0 0</border_color>
                    </sampler2D>
                </newparam>
                <technique sid="t0">
                    <phong>
                        <emission>
                            <color>0 0 0 1</color>
                        </emission>
                        <ambient>
                            <color>1 1 1 1</color>
                        </ambient>
                        <diffuse>
                            <texture texture="material_effect-sampler" texcoord="texcoord0">
                                <extra type="color">
                                    <technique profile="SCEI">
                                        <color>1 1 1 1</color>
                                    </technique>
                                </extra>
                            </texture>
                        </diffuse>
                        <specular>
                            <color>0 0 0 1</color>
                        </specular>
                        <shininess>
                            <float>0</float>
                        </shininess>
                    </phong>
                </technique>
            </profile_COMMON>
        </effect>
    </library_effects>
    <scene>
        <instance_visual_scene url="#defaultScene"/>
    </scene>
</COLLADA>

这就是我希望 XML 变成的内容：

<?xml version="1.0" encoding="UTF-8"?>
<COLLADA xmlns="http://www.collada.org/2005/11/COLLADASchema" version="1.4.1">
    <asset>
        <contributor/>
        <created>2017-01-23T12:01:30Z</created>
        <modified>2017-01-23T12:01:30Z</modified>
        <unit/>
        <up_axis>Z_UP</up_axis>
    </asset>
    <library_visual_scenes>
        <visual_scene id="defaultScene">
            <node id="sceneRoot">
                <instance_geometry url="#geometry">
                    <bind_material>
                        <technique_common>
                            <instance_material symbol="geometry_material" target="#material">
                                <bind_vertex_input semantic="texcoord0" input_semantic="TEXCOORD" input_set="0"/>
                            </instance_material>
                        </technique_common>
                    </bind_material>
                </instance_geometry>
            </node>
        </visual_scene>
    </library_visual_scenes>
    <library_geometries>
        <geometry id="geometry">
            <mesh>
                <source id="geometry-positions">
                    <float_array id="geometry-positions-array" count="673731">*data*</float_array>
                    <technique_common>
                        <accessor count="224577" source="#geometry-positions-array" stride="3">
                            <param name="X" type="float"/>
                            <param name="Y" type="float"/>
                            <param name="Z" type="float"/>
                        </accessor>
                    </technique_common>
                </source>
                <source id="geometry-texcoord_0">
                    <float_array id="geometry-texcoord_0-array" count="449154">*data*</float_array>
                    <technique_common>
                        <accessor count="224577" source="#geometry-texcoord_0-array" stride="2">
                            <param name="S" type="float"/>
                            <param name="T" type="float"/>
                        </accessor>
                    </technique_common>
                </source>
                <vertices id="geometry-vertices">
                    <input semantic="POSITION" source="#geometry-positions"/>
                </vertices>
                <triangles count="329753" material="geometry_material">
                    <input offset="0" semantic="VERTEX" source="#geometry-vertices" set="0"/>
                    <input offset="1" semantic="TEXCOORD" source="#geometry-texcoord_0" set="0"/>
                    <p>*data*</p>
                </triangles>
            </mesh>
        </geometry>
    </library_geometries>
    <library_materials>
        <material id="material">
            <instance_effect url="#material_effect"/>
        </material>
    </library_materials>
    <library_effects>
        <effect id="material_effect">
            <profile_COMMON>
                <newparam sid="material_effect-surface">
                    <surface type="2D">
                        <init_from>material_effect-image</init_from>
                    </surface>
                </newparam>
                <newparam sid="material_effect-sampler">
                    <sampler2D>
                        <source>material_effect-surface</source>
                        <wrap_s>CLAMP</wrap_s>
                        <wrap_t>CLAMP</wrap_t>
                        <minfilter>LINEAR_MIPMAP_LINEAR</minfilter>
                        <magfilter>LINEAR</magfilter>
                        <border_color>0 0 0 0</border_color>
                    </sampler2D>
                </newparam>
                <technique sid="t0">
                    <phong>
                        <emission>
                            <color>0 0 0 1</color>
                        </emission>
                        <ambient>
                            <color>1 1 1 1</color>
                        </ambient>
                        <diffuse>
                            <texture texture="material_effect-sampler" texcoord="texcoord0">
                                <extra type="color">
                                    <technique profile="SCEI">
                                        <color>1 1 1 1</color>
                                    </technique>
                                </extra>
                            </texture>
                        </diffuse>
                        <specular>
                            <color>0 0 0 1</color>
                        </specular>
                        <shininess>
                            <float>0</float>
                        </shininess>
                    </phong>
                </technique>
            </profile_COMMON>
        </effect>
    </library_effects>
    <scene>
        <instance_visual_scene url="#defaultScene"/>
    </scene>
    <library_images>
        <image id="material_effect-image" height="0" width="0">
            <init_from>Tile_+037_+047_0.jpg</init_from>
        </image>
    </library_images>
</COLLADA>

注意在第二段 XML 中，如何在根元素下创建了一个名为 library_images 的标记（根元素下不重要，只要它是它的直接子元素），并且该元素image 已移入其中。

Answer 1

是的，有一种称为XSLT 的方法，这是一种专用语言，旨在将 XML 文件从一种结构转换为另一种或其他格式，包括 HTML、TXT/CSV 甚至 JSON。 Python 的第三方模块lxml 可以运行XSLT 1.0 脚本（不是内置的minidom 或etree 模块）。然而，其他语言（Java、C#、PHP、VB）和软件（Saxon、Xalan、libxslt、.NET）甚至2.0 and 3.0 scripts也可以运行这样的脚本。而 Python 可以通过命令行调用连接到这些外部解决方案。

具体来说，运行身份转换以保持原始格式不变，然后将所需的更改应用于特定节点。一个挑战是在创建新元素 library-images 时处理需要定义前缀 doc 和 namespace 的默认命名空间：

XSLT （另存为.xsl）

<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
                              xmlns:doc="http://www.collada.org/2005/11/COLLADASchema">
    <xsl:output omit-xml-declaration="no" encoding="UTF-8" indent="yes"/>
    <xsl:strip-space elements="*"/>

    <!-- IDENTITY TRANSFORM -->
    <xsl:template match="@*|node()">
        <xsl:copy>
            <xsl:apply-templates select="@*|node()"/>
        </xsl:copy>
    </xsl:template>

    <!-- ADD <new_element> AS CHILD TOO ROOT  -->
    <xsl:template match="/*">
        <xsl:copy>          
            <xsl:apply-templates select="@*|node()"/>
            <xsl:element name="library-images" namespace="http://www.collada.org/2005/11/COLLADASchema">
                <xsl:copy-of select="descendant::doc:profile_COMMON/doc:image"/>
            </xsl:element>
        </xsl:copy>
    </xsl:template>

    <!-- REMOVE NODE IN DOCUMENT -->
    <xsl:template match="doc:profile_COMMON/doc:image"/>

</xsl:stylesheet>

Python

import lxml.etree as et

# LOAD XML AND XSL
doc = et.parse('my_file.xml')
xsl = et.parse('my_script.xsl')

# CONFIGURE TRANSFORMER
transform = et.XSLT(xsl)    

# RUN TRANSFORMATION WITH PARAMS
result = transform(doc)

# PRINT RESULT
print(result)  

# SAVE TO FILE
with open('output.xml', 'wb') as f:
   f.write(result)

输出

XSLT Fiddle Demo

<?xml version="1.0" encoding="UTF-8"?>
<COLLADA xmlns="http://www.collada.org/2005/11/COLLADASchema" version="1.4.1">
  <asset>
    <contributor/>
    <created>2017-01-23T12:01:30Z</created>
    <modified>2017-01-23T12:01:30Z</modified>
    <unit/>
    <up_axis>Z_UP</up_axis>
  </asset>
  <library_visual_scenes>
    <visual_scene id="defaultScene">
      <node id="sceneRoot">
        <instance_geometry url="#geometry">
          <bind_material>
            <technique_common>
              <instance_material symbol="geometry_material" target="#material">
                <bind_vertex_input semantic="texcoord0" input_semantic="TEXCOORD" input_set="0"/>
              </instance_material>
            </technique_common>
          </bind_material>
        </instance_geometry>
      </node>
    </visual_scene>
  </library_visual_scenes>
  <library_geometries>
    <geometry id="geometry">
      <mesh>
        <source id="geometry-positions">
          <float_array id="geometry-positions-array" count="673731">*data*</float_array>
          <technique_common>
            <accessor count="224577" source="#geometry-positions-array" stride="3">
              <param name="X" type="float"/>
              <param name="Y" type="float"/>
              <param name="Z" type="float"/>
            </accessor>
          </technique_common>
        </source>
        <source id="geometry-texcoord_0">
          <float_array id="geometry-texcoord_0-array" count="449154">*data*</float_array>
          <technique_common>
            <accessor count="224577" source="#geometry-texcoord_0-array" stride="2">
              <param name="S" type="float"/>
              <param name="T" type="float"/>
            </accessor>
          </technique_common>
        </source>
        <vertices id="geometry-vertices">
          <input semantic="POSITION" source="#geometry-positions"/>
        </vertices>
        <triangles count="329753" material="geometry_material">
          <input offset="0" semantic="VERTEX" source="#geometry-vertices" set="0"/>
          <input offset="1" semantic="TEXCOORD" source="#geometry-texcoord_0" set="0"/>
          <p>*data*</p>
        </triangles>
      </mesh>
    </geometry>
  </library_geometries>
  <library_materials>
    <material id="material">
      <instance_effect url="#material_effect"/>
    </material>
  </library_materials>
  <library_effects>
    <effect id="material_effect">
      <profile_COMMON>
        <newparam sid="material_effect-surface">
          <surface type="2D">
            <init_from>material_effect-image</init_from>
          </surface>
        </newparam>
        <newparam sid="material_effect-sampler">
          <sampler2D>
            <source>material_effect-surface</source>
            <wrap_s>CLAMP</wrap_s>
            <wrap_t>CLAMP</wrap_t>
            <minfilter>LINEAR_MIPMAP_LINEAR</minfilter>
            <magfilter>LINEAR</magfilter>
            <border_color>0 0 0 0</border_color>
          </sampler2D>
        </newparam>
        <technique sid="t0">
          <phong>
            <emission>
              <color>0 0 0 1</color>
            </emission>
            <ambient>
              <color>1 1 1 1</color>
            </ambient>
            <diffuse>
              <texture texture="material_effect-sampler" texcoord="texcoord0">
                <extra type="color">
                  <technique profile="SCEI">
                    <color>1 1 1 1</color>
                  </technique>
                </extra>
              </texture>
            </diffuse>
            <specular>
              <color>0 0 0 1</color>
            </specular>
            <shininess>
              <float>0</float>
            </shininess>
          </phong>
        </technique>
      </profile_COMMON>
    </effect>
  </library_effects>
  <scene>
    <instance_visual_scene url="#defaultScene"/>
  </scene>
  <library-images>
    <image id="material_effect-image" height="0" width="0">
      <init_from>Tile_+037_+047_0.jpg</init_from>
    </image>
  </library-images>
</COLLADA>