lxml xpath/findall和更新

Question

我试图更新一个xml文档，以便将一个子元素添加到由xpath标识的一组父元素中。

为此，我标识了我希望通过xpath更改的元素，然后在这些元素上运行一个for循环。我称这段代码为“xpath for block”

我可以：

• 成功地确定需要更新的元素
• 在“xpath for块”中更新元素
• 在“xpath for块”中更新根节点

我不能：

• 保留更新一次，留下'xpath‘(编辑，除了循环中的最后一个元素)

代码：

from lxml import etree as ET

def _modify_mods_content(mods_content):
    """Massage the MODS content before auto-populating page

    Args:
        mods_content (str): content of MODS datastream as a string

    Returns:
        updated_content (str): updated MODS content
    """
    nsmap = {'mods': NAMESPACES['mods']}

    mods_xml = ET.fromstring(mods_content)

    # Create empty given-name element
    given_name_tag = ET.QName(NAMESPACES['mods'], 'namePart')
    given_name = ET.Element(given_name_tag)
    given_name.attrib['type'] = 'given'


    # xpath to find every personal name that does not have a child 
    # given name element
    no_given_names_xpath = '//mods:name[@type="personal"][not(mods:namePart[@type="given"])]'


    for element in mods_xml.xpath(no_given_names_xpath, namespaces=nsmap):
        element.insert(0, given_name)

    new_string = ET.tostring(mods_xml)
    return new_string

如果我将一个pdb提示符放入xpath块中，我可以看到元素正在更新，如果我一直在树上执行一个“getparent”操作，我可以看到根mods_xml文档似乎只对该实例进行了更新。

一旦我离开for循环，所有更新都不会持续。

例如：

原始档案：

<root>
  <mods:name type="personal">
    <mods:namePart type="family">Smith</mods:namePart>
  </mods:name>
  <mods:name type="personal">
    <mods:namePart type="family">Jones</mods:namePart>
  </mods:name>
</root>

第一次在xpath块中使用

<root>
  <mods:name type="personal">
    <mods:namePart type="given"></mods:namePart>
    <mods:namePart type="family">Smith</mods:namePart>
  </mods:name>
  <mods:name type="personal">
    <mods:namePart type="family">Jones</mods:namePart>
  </mods:name>
</root>

第二次在xpath for块中：

<root>
  <mods:name type="personal">
    <mods:namePart type="family">Smith</mods:namePart>
  </mods:name>
  <mods:name type="personal">
    <mods:namePart type="given"></mods:namePart>
    <mods:namePart type="family">Jones</mods:namePart>
  </mods:name>
</root>

编辑：下面的示例最初没有插入元素。这些示例是从一个更长、更复杂的文档中简化的。我一定错过了最后的更新是在离开块后被保存的。

一旦我离开街区

<root>
  <mods:name type="personal">
    <mods:namePart type="family">Smith</mods:namePart>
  </mods:name>
  <mods:name type="personal">
    <mods:namePart type="given"></mods:namePart>
    <mods:namePart type="family">Jones</mods:namePart>
  </mods:name>
</root>

我意识到这可以用XSLT来完成。我只想知道是否还有更多的“琵琶”的方法。

实际上，我已经(某种程度上)让它工作了，但这是一个非常可怕的攻击，a)我不想这样做，b)只有当所有的元素都在相同的深度(幸运的是，在这个例子中它们恰好是这样)：

    while mods_xml.xpath(no_given_names_xpath, namespaces=nsmap):
        elements = mods_xml.xpath(no_given_names_xpath, namespaces=nsmap)
        replacement_element = elements[0]
        replacement_element.insert(0, given_name)
        parent = elements[0].getparent()
        parent.replace(elements[0], replacement_element)
        new_xml_string = ET.tostring(parent, pretty_print=True)
        mods_xml = ET.fromstring(new_xml_string)

任何想法或意见将是非常欢迎！

Answer 1

一位没有堆叠溢出的同事对此作出了有益的回应。

这个问题与this issue here有关。我认为我正在创建的given_name元素是一个空白元素，每次在循环中我都可以添加到父文档中(就像我在做字符串连接一样)。

事实上，lxml将元素视为一个不同的对象，只是在文件周围移动它(上面的例子已经简化了，所以我肯定错过了插入的最后一个位置)。

解决方案是每次使用一个小的私有函数来生成一个新元素。

修正后的代码：

def _modify_mods_content(mods_content):
    """Massage the MODS content before auto-populating xml_ora

    Args:
        mods_content (str): content of MODS datastream as a string

    Returns:
        updated_content (str): updated MODS content
    """
    nsmap = {'mods': NAMESPACES['mods']}
    try:
        mods_xml = ET.fromstring(mods_content)

        def __create_empty_given_name_element():
            """Create empty given-name element

            Returns:
                given_name (ET.element): empty element for processing
            """
            given_name_tag = ET.QName(NAMESPACES['mods'], 'namePart')
            given_name = ET.Element(given_name_tag)
            given_name.attrib['type'] = 'given'
            given_name.text = ''
            given_name.tail = '\n      '
            return given_name

        # xpath to find every personal name that does not have a child given name element
        no_given_names_xpath = '//mods:name[@type="personal"][not(mods:namePart[@type="given"])]'

        for element in mods_xml.xpath(no_given_names_xpath, namespaces=nsmap):
            given_name_element = __create_empty_given_name_element()
            element.insert(0, given_name_element)

        return_text = ET.tostring(mods_xml)   
    except Exception as _:  # pylint: disable=W0703
        # Something went wrong, but try to let a human fix it
        # by returning original MODS
        return mods_content
    return return_text