在Python中使用lxml，我需要在输入xml文件中将"RNA“替换为<mark>RNA</mark>。代码如下

Question

我的输入文件是：

<?xml version='1.0' encoding='UTF-8'?>
<try>
something somethingRNA and RNA in RNA.
</try> 

我的Python代码：

import lxml.etree as ET
import openpyxl
import re

url = 'output_15012015_test.xml'

tree = ET.parse(url)

lncrna = "RNA"
abstract = tree.xpath('//try)

string = abstract[0].text

if(abstract):
        anotherString = re.sub(r'\b'+lncrna.lower()+'\\b', '<mark>'+lncrna+'</mark>', string.lower())

abstract[0].text = anotherString
print abstract[0].text
tree.write('FalseRoller.xml', encoding='UTF-8', pretty_print=True)

输出

我得到以下替换的文本，而不是<mark>RNA</mark>

 <mark>RNA</mark>

我认为这与tree.write()方法有关。我也是Python和社区的新手。请帮我处理这个。

Answer 1

您是在元素.text中设置XML标记，因此当写入XML时，它被解释为文本，而不是标记，字符用&...;转义。

你想做的是：

• 将.text分为三个部分:新标签之前、新标签中、新标签之后
• 添加新标签并设置文本和尾

见代码：

tree = ET.parse(url)

lncrna = "RNA"
abstract = tree.xpath('//try')

aList = re.split(r'(\b'+lncrna+r'\b)', abstract[0].text, flags=re.IGNORECASE)

abstract[0].text = aList[0]
for i in range(1,len(aList),2):
  anElement = ET.SubElement(abstract[0], 'mark')
  anElement.text = aList[i]
  anElement.tail = aList[i+1]
  abstract[0].insert( (i-1)/2, anElement )

print abstract[0].text
tree.write('FalseRoller.xml', encoding='UTF-8', pretty_print=True)