lxml.etree iterparse()和完全解析元素

Question

我有一个包含节点的XML文件，如下所示：

<trkpt lat="-37.7944415" lon="144.9616159">
  <ele>41.3681107</ele>
  <time>2015-04-11T03:52:33.000Z</time>
  <speed>3.9598</speed>
</trkpt>

我使用lxml.etree.iterparse()迭代地解析这棵树。我循环遍历每个trkpt元素的子节点，并希望打印子节点的文本值。例如。

for event, element in etree.iterparse(infile, events=("start", "end")):
    if element.tag == NAMESPACE + 'trkpt':
        for child in list(element):
            print child.text

问题是，在这个阶段，节点没有文本，所以打印的输出是'None‘。

我已经通过将'print child.text‘语句替换为'print etree.tostring(etree.tostring)’来验证这一点，输出如下所示

<ele/>
<time/>
<speed/>    

根据文档，“请注意，在接收start事件时，元素的文本、尾部和子元素还不一定存在。只有end事件保证该元素已被完全解析。”

所以我把for循环改为这样，注意'if event == "end":‘语句

for event, element in etree.iterparse(infile, events=("start", "end")):
    if element.tag == NAMESPACE + 'trkpt':
        if event == "end":
            for child in list(element):
                print child.text

但我还是得到了同样的结果。任何帮助都将不胜感激。

Answer 1

你确定你不会像这样在你的条件语句后调用element.clear()吗？

for event, element in etree.iterparse(infile, events=("start", "end")):
  if element.tag == NAMESPACE + 'trkpt' and event == 'end':
    for child in list(element):
        print child.text
  element.clear()

问题是解析器在发送trkpt的end事件之前会发出子元素的事件(因为它首先遇到嵌套元素的结束标记)。如果在为外部元素调用end事件之前对已解析的元素进行任何修改，则可能会发生您所描述的行为。

考虑以下替代方案：

for event, element in etree.iterparse(infile, events=('end',),
    tag=NAMESPACE + 'trkpt'):
  for child in element:
     print child.text
  element.clear()

Answer 2

您是否尝试显式地使用iterparse，或者您可以使用其他方法。

e.g.

from lxml import etree

tree = etree.parse('/path/to/file')
root = tree.getroot()
for elements in root.findall('trkpt'):
    for child in elements:
        print child.text

lxml非常擅长解析，并且不会占用太多的memory...not，因此可以确定这是否解决了您的问题，或者您是否正在尝试使用上面的特定方法。