在 XML 中查找和替换 CDATA 文本字符串 - Python

如何解决在 XML 中查找和替换 CDATA 文本字符串 - Python

我试图演示在 XML 中查找/替换 CDATA 文本字符串内容的功能，类似于相关问题 (Easiest way to parse a Lua datastructure in C# / .Net) 中提出的目标。我试图用 XML 的 CDATA 部分中名为“New Building”的新字符串替换字符串“Building in Éclépens,Switzerland”，但我似乎无法正确引用第一个字符串。理想情况下，我希望能够通过索引来查找/替换此字符串，而不必将字符串名称硬编码为变量。 CDATA 表达式本身是正确的并且支持注释，但我什至无法展示如何使用简单的打印语句引用这个 CDATA 字符串。下面是 XML，以及我正在使用的脚本和要添加到所需输出 XML 的新字符串：

XML（“foo_bar_CDATA.xml”）：

<?xml version="1.0" encoding="UTF-8"?>
<kml xmlns="http://www.opengis.net/kml/2.2" xmlns:gx="http://www.google.com/kml/ext/2.2">
<Overlay>
    <description>
    <![CDATA[
    <html>
    <head>
        <body>
            <div id="view">
                <div class="item">
                    <p><span style="font-weight:italic">Dataset:</span>
                        Building in Éclépens,Switzerland
                    </p>
                </div>
            </div>
        </body>
    </head>
    </html>
    ]]>
    </description>   
</Overlay></kml>

脚本（“foo_bar_CDATA.xml”）：

import lxml.etree as ET
xml = ET.parse("C:\\Users\\mdl518\\Desktop\\bar_foo_CDATA.xml")
tree=xml.getroot()

cd = ET.fromstring(tree.xpath('//*[local-name()="description"]')[0].text) # get CDATA out of the XML
print(cd[0][0][0][0][0][0].text) # prints "Dataset:" text contained within the 'span' element
val_1 = 'New Building'  # new string to be included in the XML  

# Find and replace the CDATA string with "val_1"
for elem in tree.getiterator():
    if elem.text:
        elem.text=elem.text.replace('Building in Éclépens,Switzerland ',val_1)
    
    output = ET.tostring(tree,encoding="UTF-8",method="xml",xml_declaration=True,pretty_print=True)

    print(output.decode("utf-8"))

所需的输出 XML：

<?xml version="1.0" encoding="UTF-8"?>
<kml xmlns="http://www.opengis.net/kml/2.2" xmlns:gx="http://www.google.com/kml/ext/2.2">
<Overlay>
    <description>
    <![CDATA[
    <html>
    <head>
        <body>
            <div id="view">
                <div class="item">
                    <p><span style="font-weight:italic">Dataset:</span>
                        New Building
                    </p>
                </div>
            </div>
        </body>
    </head>
    </html>
    ]]>
    </description>   
</Overlay></kml>

当我运行上面的脚本时，我没有对感兴趣的字符串进行所需的更改，并且在 XML 的可打印视图中没有保留打开/关闭标签（显示为 &lt 和 &gt）。我觉得正确的解决方案可能只需要一些小的调整，非常感谢任何帮助！

解决方法

你有elem.text=elem.text.replace('Building in Éclépens,Switzerland ',val_1)

改为使用此 elem.text=elem.text.replace('Building in Éclépens,Switzerland',val_1)。我已删除空间。

import lxml.etree as ET
xml = ET.parse("/home/cam/out.xml")
tree=xml.getroot()

cd = ET.fromstring(tree.xpath('//*[local-name()="description"]')[0].text) # get CDATA out of the XML
#print(cd[0][0][0][0][0][0].text) # prints "Dataset:" text contained within the 'span' element

val_1 = 'New Building'  # new string to be included in the XML  

# Find and replace the CDATA string with "val_1"
for elem in tree.iter():
    if "description" in elem.tag:
        elem.text=elem.text.replace('Building in Éclépens,val_1)
        elem.text = '![CDATA[' + elem.text + ']]'
root_str = ET.tostring(tree)
root_str = str(root_str.decode('utf-8').replace('&lt;','<').replace('&gt;','>').replace('\\n',''))
print(root_str)

输出：

<kml xmlns="http://www.opengis.net/kml/2.2" xmlns:gx="http://www.google.com/kml/ext/2.2">
<Overlay>
    <description>![CDATA[
    
    <html>
    <head>
        <body>
            <div id="view">
                <div class="item">
                    <p><span style="font-weight:italic">Dataset:</span>
                        New Building
                    </p>
                </div>
            </div>
        </body>
    </head>
    </html>
    
    ]]</description>   
</Overlay></kml>