Как удалить элементы из XML с помощью Python
Я застрял с XML и Python. Задача проста, но я не мог решить ее до сих пор и потратил на это много времени. Я пришел сюда за советом, как решить его с помощью пары строк.
Спасибо за любую помощь в обходе дерева. У меня всегда было слишком много или слишком мало элементов. Элементы могут быть вложены без ограничений. Данный пример-всего лишь пример. Я приму любое решение, не требователен дом минидом, саксофон, что угодно..
у меня есть XML-файл, похожий на этот:
<root>
<elm>
<elm>Common content</elm>
<elm xmlns="http://example.org/ns">
<elm lang="en">Content EN</elm>
<elm lang="cs">žluťoučký koníček</elm>
</elm>
<elm xml:id="abc123">Common content</elm>
<elm lang="en">Content EN</elm>
<elm lang="cs">Content CS</elm>
<elm lang="en">
<elm>Content EN</elm>
<elm>Content EN</elm>
</elm>
<elm lang="cs">
<elm>Content CS</elm>
<elm>Content CS</elm>
</elm>
</elm>
</root>
что мне нужно-разобрать XML и написать новый файл. Новый файл должен содержать все элементы для данного языка и элементы без .
для языка" cs " выходной файл должен содержать следующее:
<root>
<elm>
<elm>Common content</elm>
<elm xmlns="http://example.org/ns">
<elm lang="cs">žluťoučký koníček</elm>
</elm>
<elm xml:id="abc123">Common content</elm>
<elm lang="cs">Content CS</elm>
<elm lang="cs">
<elm>Content CS</elm>
<elm>Content CS</elm>
</elm>
</elm>
</root>
если вы можете сделать это, чтобы пропустить lang
атрибут в новом файле, еще лучше. Но это не так важно.
обновление 1: добавлены символы Юникода и пространство имен атрибут.
обновление 2: использование Python 2.5, стандартные библиотеки предпочтительнее.
3 ответов
используя библиотека lxml:
import lxml.etree as le
with open('doc.xml','r') as f:
doc=le.parse(f)
for elem in doc.xpath('//*[attribute::lang]'):
if elem.attrib['lang']=='en':
elem.attrib.pop('lang')
else:
parent=elem.getparent()
parent.remove(elem)
print(le.tostring(doc))
доходность
<root>
<elm>Common content</elm>
<elm>
<elm>Content EN</elm>
</elm>
<elm>Common content</elm>
<elm>Content EN</elm>
<elm>
<elm>Content EN</elm>
<elm>Content EN</elm>
</elm>
</root>
Я не уверен, как лучше удалить lang
атрибут, но вот некоторый код, который делает другие изменения (Python 2.7; для 2.5 или 2.6 используйте getIterator
вместо iter
), предполагая, что при удалении элемента вы также всегда хотите удалить все, что содержится в этом элементе.
этот код просто печатает результат на стандартный вывод (вы можете перенаправить его, как хотите, конечно, или напрямую записать его в какой-то новый файл, и так далее):
import sys
from xml.etree import cElementTree as et
def picklang(path, lang='en'):
tr = et.parse(path)
for element in tr.iter():
for subelement in element:
la = subelement.get('lang')
if la is not None and la != lang:
element.remove(subelement)
return tr
if __name__ == '__main__':
tr = picklang('la.xml')
tr.write(sys.stdout)
print
С la.xml
будучи вашим примером, это пишет
<root>
<elm>Common content</elm>
<elm>
<elm lang="en">Content EN</elm>
</elm>
<elm>Common content</elm>
<elm lang="en">Content EN</elm>
<elm lang="en">
<elm>Content EN</elm>
<elm>Content EN</elm>
</elm>
</root>
обновление кода @Alex Martelli, чтобы удалить ошибку, в которой список элементов обновляется на месте. Выше решение даст неправильный ответ, если вход немного сложнее.
import sys
from xml.etree import cElementTree as et
def picklang(path, lang='en'):
tr = et.parse(path)
for element in tr.iter():
for subelement in element[:]:
la = subelement.get('lang')
if la is not None and la != lang:
element.remove(subelement)
return tr
if __name__ == '__main__':
tr = picklang('la.xml')
tr.write(sys.stdout)
print
код в строке 7 for subelement in element:
меняется на for subelement in element[:]:
поскольку неправильно обновлять список на месте при итерации по нему.
этот код повторяет копию списка элементов и удаляет элементы, когда lang != "en" в исходном списке элементов.