首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >使用lxml和iterparse获取子元素

使用lxml和iterparse获取子元素
EN

Stack Overflow用户
提问于 2012-05-08 02:21:42
回答 3查看 7K关注 0票数 0

我正在尝试编写一种解析算法来高效地从xml文档中提取数据。我目前正在滚动基于元素和子元素的文档,但我想使用iterparse。一个问题是,我有一个元素列表,当找到这些元素时,我想从它们中提取子数据,但似乎使用iterparse我的选择是基于一个元素名称进行过滤,或者获取每个元素。

示例xml:

代码语言:javascript
复制
<?xml version="1.0" encoding="UTF-8"?>
<data_object xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
 <source id="0">
  <name>Office Issues</name>
  <datetime>2012-01-13T16:09:15</datetime>
  <data_id>7</data_id>
 </source>
 <event id="125">
  <date>2012-11-06</date>
  <state_id>7</state_id>
 </event>
 <state id="7">
  <name>Washington</name>
 </state>
 <locality id="2">
  <name>Olympia</name>
  <state_id>7</state_id>
  <type>City</type>
 </locality>
 <locality id="3">
  <name>Town</name>
  <state_id>7</state_id>
  <type>Town</type>
 </locality>
</data_object>

代码示例:

代码语言:javascript
复制
from lxml import etree

fname = "test.xml"
ELEMENT_LIST = ["source", "event", "state", "locality"]

with open(fname) as xml_doc:
    context = etree.iterparse(xml_doc, events=("start", "end"))

    context = iter(context)

    event, root = context.next()

    base = False
    b_name = ""

    for event, elem in context:
        if event == "start" and elem.tag in ELEMENT_LIST:
            base = True
            bname = elem.tag
            children = elem.getchildren()
            child_list = []
            for child in children:
                child_list.append(child.tag)
            print bname + ":" + str(child_list)
        elif event == "end" and elem.tag in ELEMENT_LIST:
            base = False
            root.clear()
EN

回答 3

Stack Overflow用户

发布于 2012-05-08 03:28:01

使用iterparse,您不能将解析限制到某些类型的标签,您只能使用一个标签(通过传递参数tag)来完成此操作。然而,手动完成您想要实现的操作是很容易的。在以下代码片段中:

代码语言:javascript
复制
from lxml import etree

fname = "test.xml"
ELEMENT_LIST = ["source", "event", "state", "locality"]

with open(fname) as xml_doc:
    context = etree.iterparse(xml_doc, events=("start", "end"))

    for event, elem in context:
        if event == "start" and elem.tag in ELEMENT_LIST:
            print "this elem is interesting, do some processing: %s: [%s]" % (elem.tag, ", ".join(child.tag for child in elem))
        elem.clear()

您可以将搜索限制在感兴趣的标签上。iterparse的重要部分是elem.clear(),它在项目过时时清除内存。这就是它内存效率高的原因,请参阅http://lxml.de/parsing.html#modifying-the-tree

票数 1
EN

Stack Overflow用户

发布于 2012-05-08 04:32:03

我会使用XPath。这比你自己浏览文档要优雅得多,我想也肯定更有效率。

票数 0
EN

Stack Overflow用户

发布于 2013-03-11 04:29:50

使用tag='{http://www.sitemaps.org/schemas/sitemap/0.9}url'

具有正确答案的类似问题https://stackoverflow.com/a/7019273/1346222

代码语言:javascript
复制
#!/usr/bin/python
# coding: utf-8
""" Parsing xml file. Basic example """
from StringIO import StringIO
from lxml import etree
import urllib2

sitemap = urllib2.urlopen(
    'http://google.com/sitemap.xml',
    timeout=10
).read()


NS = {
    'x': 'http://www.sitemaps.org/schemas/sitemap/0.9',
    'x2': 'http://www.google.com/schemas/sitemap-mobile/1.0'
}


res = []

urls = etree.iterparse(StringIO(sitemap), tag='{http://www.sitemaps.org/schemas/sitemap/0.9}url')

for event, url in urls:
    t = []
    t = url.xpath('.//x:loc/text() | .//x:priority/text()', namespaces=NS)
    t.append(url.xpath('boolean(.//x2:mobile)', namespaces=NS))
    res.append(t)
票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/10487062

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档