lxml iterparse，具有相同标记名称的子级

Question

我想从文件(1，5 to文件)中动态解析xml，如下所示：

<product product_id="x" name="x" sku_number="x">
    <category>
        <primary>x</primary>
        <secondary>y</secondary>
    </category>
    <URL>
        <product>URL__I_WANT_TO_PULLOUT</product>
        <productImage>x</productImage>
    </URL>
    <description>
        <short>x</short>
        <long>x</long>
    </description>
</product>

我使用lxml.etree.iterparse的方式如下：

for event, elem in ET.iterparse(f, events=('end',), tag='product'):
    save_product(elem)

我从xml节点获取所有必需的值。我唯一不能取出的节点是URL>product (它是空的)。我认为这是由相同的标签名称引起的。除了iterparse之外，还有什么方法可以动态解析xml吗？

Answer 1

如果我在您的示例上运行etree.iterparse，它会找到两次'product'标记:有一个外部<product>和一个内部and。外部标记具有子元素，并且其text为空。因此，您需要跳过这些外部'product'标记，以便只处理那些没有子元素的标记，例如：

for event, elem in etree.iterparse(f, events=('end',), tag='product'):
    if not len(elem):
        save_product(elem)

如果需要处理顶级product标记的所有元素，则可以删除主循环中的所有内部product字段，然后按路径处理所有子元素，例如python's lxml and iterparse method

def save_product(elem):
    cat_prim = elem.xpath('category/primary')[0].text;
    cat_sec = elem.xpath('category/secondary')[0].text;
    url_prod = elem.xpath('URL/product')[0].text;
    url_img = elem.xpath('URL/productImage')[0].text;
    desc_short = elem.xpath('description/short')[0].text;
    desc_long = elem.xpath('description/long')[0].text;

for event, elem in etree.iterparse(f, events=('end',), tag='product'):
    if len(elem):
        save_product(elem)

Answer 2

我知道现在可能已经很晚了，但对于任何人来说，我都使用了以下解决方案：

   file_contents = xml_file.read()
   xml_obj = etree.fromstring(file_contents)
   context = xml_obj.xpath(tag)

我的tag变量是产品的路径，例如//parent/product。然后，您可以使用上下文容器对元素执行某些操作。