如何解决使用 xpath 将 XML 文件解析为字典
from lxml import etree
XML_string= '''<div type="description" xml:base="elpais.es" xml:lang="es" xml:id="f0910b98">
<p xml:id="_657a490035" n="0001">blabla1</p>
<p xml:id="_657a490036" n="0002">blabla2. bla bla 2.</p>
<p xml:id="_657a490037" n="0003">blabla3.blabla3</p>
<p xml:id="_657a490038" n="0004">bla4</p></div>'''
我解析如下:
parser = etree.XMLParser(resolve_entities=False,strip_cdata=False,recover=True,ns_clean=True)
XML_tree = etree.fromstring(XML_string.encode(),parser=parser)
我将 XML 转换为 dict 后,如下所示:
result_list = [{'id':"_657a490035",'n':'001','text':'blabla1'},{'id':"_657a490036",'n':'002','text':'blabla2'}
etc
我非常接近:
all_paras = XML_tree.xpath('.//p[@xml:id]')
result_list = []
for para in all_paras:
result_list.append({'text':para.text,'id':'id?','n':'n??'})
需要帮助吗?
编辑: 如果您这样做,请注意:
for para in all_paras:
print(para.attrib)
我得到了奇怪的字典:
'{http://www.w3.org/XML/1998/namespace}id': '_657a490035','n': '0001'}
出于某种原因 xml:id 进入这个:{http://www.w3.org/XML/1998/namespace}id'
解决方法
不幸的是,您正与命名空间纠缠不清。处理该问题的一种方法是使用 local-name()
:
for para in all_paras:
#I simplified the id attribute value a bit,for simplicity
result_list.append({'id':para.xpath('./@*[local-name()="id"]')[0],'n':para.xpath('./@*[local-name()="n"]')[0],'text':para.text})
result_list
输出:
[{'id': '1','n': '0001','text': 'blabla1'},{'id': '2','n': '0002','text': 'blabla2. bla bla 2.'},{'id': '3','n': '0003','text': 'blabla3.blabla3'},{'id': '4','n': '0004','text': 'bla4'}]
,
xml:
、xml:lang
和 xml:id
中的 xml:base
是 a special namespace prefix,绑定到 http://www.w3.org/XML/1998/namespace
命名空间 URI。与任何其他前缀不同,它不需要在 XML 文档中声明。
您可以通过 xml:id
获取 xpath()
属性的值,如下所示:
for para in all_paras:
result_list.append({'text': para.text,'id': para.xpath('@xml:id')[0]})
您也可以使用 get()
方法,但是您必须提供用大括号括起来的完整命名空间 URI:
for para in all_paras:
result_list.append({'text': para.text,'id': para.get("{http://www.w3.org/XML/1998/namespace}id")})
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。