从值标签Etree XML python中提取文本

Posted 2021-04-06

我想从value标签中提取文本，我的xml代码片段和尝试如下所示：

<datas>
  <data>
    <column datatype='string' name='[Sub-Category (group)]' role='dimension' type='nominal'>
      <calculation class='categorical-bin' column='[Product Sub-Category]' new-bin='false'>
        <bin value='&quot;Envelopes&quot;'>
          <value>&quot;Envelopes&quot;</value>
          <value>&quot;Labels&quot;</value>
          <value>&quot;Pens &amp; Art Supplies&quot;</value>
          <value>&quot;Rubber Bands&quot;</value>
          <value>&quot;Scissors, Rulers and Trimmers&quot;</value>
        </bin>
      </calculation>
   </column>      
</data>
</datas>

我的尝试：

root = 'myxmlfile.xml'
valuelist = []
for i in root.findall('./datas/data/column/calculation/bin')
    val  = i.find('value')
    if val:
       for j in val:
           valuelist.append(j.text)

• 我没有得到正确的结果。

答案

试试这个：

root = open('/your/path_to_file/data.xml', 'rb+')
doc =  ET.parse(root).getroot()
valuelist = []
for i in doc.findall('.//bin'):
    val  = i.findall('value')
    for v in val:
        valuelist.append(v.text)
print valuelist

输出：

['"Envelopes"', '"Labels"', '"Pens & Art Supplies"', '"Rubber Bands"', '"Scissors, Rulers and Trimmers"']
[Finished in 0.0s]

另一答案

这可能有所帮助

# -*- coding: utf-8 -*-
s = """<datas>
  <data>
<column datatype='string' name='[Sub-Category (group)]' role='dimension' type='nominal'>
              <calculation class='categorical-bin' column='[Product Sub-Category]' new-bin='false'>
                <bin value='&quot;Envelopes&quot;'>
                  <value>&quot;Envelopes&quot;</value>
                  <value>&quot;Labels&quot;</value>
                  <value>&quot;Pens &amp; Art Supplies&quot;</value>
                  <value>&quot;Rubber Bands&quot;</value>
                  <value>&quot;Scissors, Rulers and Trimmers&quot;</value>
                </bin>
              </calculation>
    </column>
 </data>
</datas>"""

import xml.etree.ElementTree as et
tree = et.fromstring(s)
for i in tree.findall('.//data/column/calculation/bin'):
    for j in i.findall('value'):
        print(j.text)

输出：

"Envelopes"
"Labels"
"Pens & Art Supplies"
"Rubber Bands"
"Scissors, Rulers and Trimmers"

另一答案

Rakesh的答案很棒，只是想我会为你的代码无效的原因添加一些解释。

首先，您需要将XML转换为ElementTree - 这基本上只是一个Python对象，具有与XML对应的元素和子元素的树状结构，但您可以在Python中使用它。

如果您的XML位于文件中（而不仅仅是代码中的字符串），则可以执行以下操作：

tree = ET.parse('myxmlfile.xml')

然后root是这棵树的“最外层”元素，你需要掌握它才能在树上工作并找到元素等：

root = tree.getroot()

（如果你执行ET.fromstring(s)，这将返回根元素，因此您不需要getroot步骤。）

在你的例子中，root是datas元素，这是你的一个问题：你的路径不需要包含'数据'，因为那是你已经开始的地方。

val = i.find('value')将只返回第一个value元素，而不是所有value元素的列表，这是你想要的。因此，当你尝试做for j in val时，Python实际上是在尝试查找value元素的子元素（它不存在），所以它没有任何东西可以附加到valuelist。你需要在这里使用findall()，如果你将它与for循环结合起来，那么你不需要进行if val检查，因为如果for空回来，findall()循环就不会运行。

将所有这些放在一起：

import xml.etree.ElementTree as ET

tree = ET.parse('myxmlfile.xml')  # change to wherever your file is located
root = tree.getroot()

binlist = []
for i in root.findall('./data/column/calculation/bin'):
    valuelist = []
    for j in i.findall('value'):
        valuelist.append(j.text)
    binlist.append(valuelist)

然后binlist是一个列表，列表中的每个项目都是该bin的值列表。

如果您只有一个bin，那么您可以简化代码的后半部分：

import xml.etree.ElementTree as ET

tree = ET.parse('myxmlfile.xml')  # change to wherever your file is located
root = tree.getroot()

bin = root.find('./data/column/calculation/bin')
valuelist = []
for j in bin.findall('value'):
   valuelist.append(j.text)

请注意，我使用ET而不是et来导入ElementTree（这似乎是惯例）。这也假设datas是XML的第一个元素。如果你给出的代码片段嵌套在一个更大的XML文件中，你需要首先通过执行以下操作来获取该元素：

bin = root.find('<path to bin element>')

这些参考可能对您有所帮助：

• 当我学习使用ElementTree时，我发现这非常有用，作为介绍：http://effbot.org/zone/element.htm
• 这个更详细，也包括iter（）和iterparse（）：https://eli.thegreenplace.net/2012/03/15/processing-xml-in-python-with-elementtree
• 官方文档也很好：https://docs.python.org/3.6/library/xml.etree.elementtree.html