Analyse XML avec Python et minidom

Je suis à l'aide de Python (minidom) pour analyser un fichier XML qui imprime une structure hiérarchique qui ressemble à quelque chose comme ceci (l'indentation est utilisé ici pour montrer l'importante relation hiérarchique):

My Document
Overview
    Basic Features
    About This Software
        Platforms Supported

Au lieu de cela, le programme effectue une itération à plusieurs reprises sur les nœuds et produit ce qui suit, l'impression de nœuds dupliqués. (Regardant la liste des nœuds à chaque itération, il est évident pourquoi il fait cela, mais je n'arrive pas à trouver un moyen d'obtenir la liste de noeud, je suis à la recherche d'.)

My Document
Overview
Basic Features
About This Software
Platforms Supported
Basic Features
About This Software
Platforms Supported
Platforms Supported

Voici le fichier source XML:

<?xml version="1.0" encoding="UTF-8"?>
<DOCMAP>
    <Topic Target="ALL">
        <Title>My Document</Title>
    </Topic>
    <Topic Target="ALL">
        <Title>Overview</Title>
        <Topic Target="ALL">
            <Title>Basic Features</Title>
        </Topic>
        <Topic Target="ALL">
            <Title>About This Software</Title>
            <Topic Target="ALL">
                <Title>Platforms Supported</Title>
            </Topic>
        </Topic>
    </Topic>
</DOCMAP>

Voici le programme Python:

import xml.dom.minidom
from xml.dom.minidom import Node

dom = xml.dom.minidom.parse("test.xml")
Topic=dom.getElementsByTagName('Topic')
i = 0
for node in Topic:
    alist=node.getElementsByTagName('Title')
    for a in alist:
        Title= a.firstChild.data
        print Title

J'ai pu résoudre le problème par pas de nidification 'Sujet' éléments, en changeant le niveau inférieur des noms de rubrique à quelque chose comme "SubTopic1" et "SubTopic2'. Mais, je veux profiter de XML intégré structuration hiérarchique sans avoir besoin de différents noms d'élément; il semble que je devrais être capable de nid 'Sujet' éléments et qu'il doit y avoir un moyen de connaître le niveau de "Sujet", je suis actuellement à la recherche à.

J'ai essayé un certain nombre de différentes fonctions XPath sans beaucoup de succès.

source d'informationauteur hWorks

  1. 8

    getElementsByTagName est récursive, vous aurez tous descendants avec un correspondant tagName. Parce que vos Sujets contiennent d'autres Sujets qui ont également des Titres, l'appel sera de la partie inférieure en bas des Titres à de nombreuses reprises.

    Si vous voulez poser pour tous les enfants directs uniquement, et vous n'avez pas XPath disponibles, vous pouvez créer un filtre, par exemple.:

    def getChildrenByTagName(node, tagName):
    for child in node.childNodes:
        if child.nodeType==child.ELEMENT_NODE and (tagName=='*' or child.tagName==tagName):
            yield child

for topic in document.getElementsByTagName('Topic'):
    title= list(getChildrenByTagName('Title'))[0]         # or just get(...).next()
    print title.firstChild.data
  2. 7

    Permettez-moi de mettre ce commentaire ici ...

    Merci pour la tentative. Il n'a pas de travail mais il m'a donné quelques idées. Les ouvrages suivants (la même idée générale; FWIW, le nodeType est ELEMENT_NODE):

    import xml.dom.minidom
from xml.dom.minidom import Node

dom = xml.dom.minidom.parse("docmap.xml")

def getChildrenByTitle(node):
    for child in node.childNodes:
        if child.localName=='Title':
            yield child

Topic=dom.getElementsByTagName('Topic')
for node in Topic:
    alist=getChildrenByTitle(node)
    for a in alist:
#        Title= a.firstChild.data
        Title= a.childNodes[0].nodeValue
        print Title
  3. 3

    Vous pouvez utiliser les éléments suivants générateur de courir à travers la liste et obtenir des titres avec des niveaux d'indentation:

    def f(elem, level=-1):
    if elem.nodeName == "Title":
        yield elem.childNodes[0].nodeValue, level
    elif elem.nodeType == elem.ELEMENT_NODE:
        for child in elem.childNodes:
            for e, l in f(child, level + 1):
                yield e, l

    Si vous testez avec votre fichier:

    import xml.dom.minidom as minidom
doc = minidom.parse("test.xml")
list(f(doc))

    vous obtiendrez une liste avec les tuples suivants:

    (u'My Document', 1), 
(u'Overview', 1), 
(u'Basic Features', 2), 
(u'About This Software', 2), 
(u'Platforms Supported', 3)

    C'est seulement une idée de base pour être affiné, bien sûr. Si vous voulez juste les espaces au début, vous pouvez code directement dans le générateur, mais avec le niveau que vous avez plus de souplesse. Vous pouvez également détecter le premier niveau automatiquement (ici c'est juste un mauvais travail de l'initialisation du niveau à -1...).

  4. 3

    Je pense que cela peut aider

    import os
import sys
import subprocess
import base64,xml.dom.minidom
from xml.dom.minidom import Node
f = open("file.xml",'r')
data = f.read()
i = 0
doc = xml.dom.minidom.parseString(data)
for topic in doc.getElementsByTagName('Topic'):
   title= doc.getElementsByTagName('Title')[i].firstChild.nodeValue
   print title
   i +=1

    De sortie:

    My Document
Overview
Basic Features
About This Software
Platforms Supported
  5. 1

    Recusive fonction:

    import xml.dom.minidom

def traverseTree(document, depth=0):
  tag = document.tagName
  for child in document.childNodes:
    if child.nodeType == child.TEXT_NODE:
      if document.tagName == 'Title':
        print depth*'    ', child.data
    if child.nodeType == xml.dom.Node.ELEMENT_NODE:
      traverseTree(child, depth+1)

filename = 'sample.xml'
dom = xml.dom.minidom.parse(filename)
traverseTree(dom.documentElement)

    Votre xml:

    <?xml version="1.0" encoding="UTF-8"?>
<DOCMAP>
    <Topic Target="ALL">
        <Title>My Document</Title>
    </Topic>
    <Topic Target="ALL">
        <Title>Overview</Title>
        <Topic Target="ALL">
            <Title>Basic Features</Title>
        </Topic>
        <Topic Target="ALL">
            <Title>About This Software</Title>
            <Topic Target="ALL">
                <Title>Platforms Supported</Title>
            </Topic>
        </Topic>
    </Topic>
</DOCMAP>

    De la sortie souhaitée:

     $ python parse_sample.py 
      My Document
      Overview
          Basic Features
          About This Software
              Platforms Supported