使用 Python lxml 解析带有条件的 ONIX xml

Posted 2023-02-23

【中文标题】使用 Python lxml 解析带有条件的 ONIX xml

【英文标题】：Parsing an ONIX xml with conditions using Python lxml

【发布时间】：2022-01-20 17:06:40

【问题描述】：

我正在尝试使用 Python lxml 解析器从 ONIX XML format 文件中提取一些信息。

除此之外，我对文档感兴趣的部分如下所示：

<?xml version="1.0" encoding="UTF-8"?>
<ProductSupply>
       <SupplyDetail>
          <Supplier>
             <SupplierRole>03</SupplierRole>
             <SupplierName>EGEN</SupplierName>
          </Supplier>
          <ProductAvailability>40</ProductAvailability>
          <Price>
             <PriceType>01</PriceType>
             <PriceAmount>0.00</PriceAmount>
             <Tax>
                <TaxType>01</TaxType>
                <TaxRateCode>Z</TaxRateCode>
                <TaxRatePercent>0</TaxRatePercent>
                <TaxableAmount>0.00</TaxableAmount>
                <TaxAmount>0.00</TaxAmount>
             </Tax>
             <CurrencyCode>NOK</CurrencyCode>
          </Price>
          <Price>
             <PriceType>02</PriceType>
             <PriceQualifier>05</PriceQualifier>
             <PriceAmount>0.00</PriceAmount>
             <Tax>
                <TaxType>01</TaxType>
                <TaxRateCode>Z</TaxRateCode>
                <TaxRatePercent>0</TaxRatePercent>
                <TaxableAmount>0.00</TaxableAmount>
                <TaxAmount>0.00</TaxAmount>
             </Tax>
             <CurrencyCode>NOK</CurrencyCode>
          </Price>
       </SupplyDetail>
    </ProductSupply>

我需要在以下条件下领取价格金额：

PriceType='02' and CurrencyCode='NOK' and PriceQualifier='05'

我试过了：

price = p.find(
"ProductSupply/SupplyDetail[Supplier/SupplierRole='03']/Price[PriceType='02' \
and CurrencyCode='NOK' and PriceQualifier='05']/PriceAmount").text

由于某种原因，我的带有 and 运算符的 XPath 无法正常工作并出现以下错误：

File "<string>", line unknown
    SyntaxError: invalid predicate

知道如何处理它吗？ 非常感谢任何帮助！

【问题讨论】：

尝试使用.xpath() 而不是.find()。

【参考方案1】：

TL;DR：使用xpath()，因为find*() 方法不支持像and 这样的布尔运算符。

---

作为Daniel suggested，您应该使用lxml 的解析器方法xpath() 来处理（相当复杂的）XPath 表达式。

XPath

您的 XPath 表达式包含 节点测试 和 predicates，它们使用 boolean operator and (XPath 1.0)：

ProductSupply/SupplyDetail[Supplier/SupplierRole='03']/Price[PriceType='02' \
and CurrencyCode='NOK' and PriceQualifier='05']/PriceAmount

提示：在线测试（见Xpather demo）。这断言它按预期找到了单个元素 <PriceAmount>0.00</PriceAmount>。

使用find() 方法

根据 Python 文档，您可以使用以下接受匹配表达式（例如 XPath）作为参数的 find 方法：

find findAll

问题：对find() 的 XPath 语法支持有限

虽然他们的supported XPath syntax是有限的！

此限制包括逻辑运算符，例如您的 and。 Karl Thornton 在他的页面 XML parsing: Python ~ XPath ~ logical AND | Shiori 上对此进行了解释。

另一方面，note on lxml documentation 更喜欢他们：

.find*() 方法通常比成熟的 XPath 支持更快。它们还通过 .iterfind() 方法支持增量树处理，而 XPath 总是在返回它们之前收集所有结果。因此，当不需要高度选择性的 XPath 查询时，出于速度和内存方面的考虑，建议使用它们而不是 XPath。

（强调我的）

使用lxml的xpath()

让我们从更安全、更丰富的xpath() 函数开始（在过早优化之前）。例如：

# the node predicates to apply within XPath
sd_predicate = "[Supplier/SupplierRole='03']"
p_predicate = "[PriceType='02' and CurrencyCode='NOK' and PriceQualifier='05']"

pa_xpath = f"ProductSupply/SupplyDetailsd_predicate/Pricep_predicate/PriceAmount"  # building XPath including predicates with f-string
print("Using XPath:", pa_xpath) # remove after debugging

root = tree.getroot()
price_amount = root.xpath(pa_xpath)
print("XPath evaluated to:", price_amount) # remove after debugging

另见：

官方lxml指南：XPath and XSLT with lxml Using XPath in Python with LXML

【讨论】：

哇，谢谢你的详细解答！