filtraggio XML con pitone
-
03-10-2019 - |
Domanda
Ho un documento XML seguente:
<node0>
<node1>
<node2 a1="x1"> ... </node2>
<node2 a1="x2"> ... </node2>
<node2 a1="x1"> ... </node2>
</node1>
</node0>
Voglio filtrare node2
quando a1="x2"
. L'utente fornisce i valori di attributo XPath e che devono testato e filtrati. Ho guardato alcune soluzioni in pitone come BeautifulSoup ma sono troppo complicate e non lo conservo caso del testo. Voglio mantenere il documento stesso di prima con alcune cose filtrato.
Mi può consigliare un semplice e la soluzione succinta? Questo non dovrebbe essere troppo complicato dagli sguardi di esso. Il documento XML reale non è così semplice come sopra ma l'idea è la stessa.
Soluzione
Questa usi xml.etree.ElementTree
che si trova nella libreria standard:
import xml.etree.ElementTree as xee
data='''\
<node1>
<node2 a1="x1"> ... </node2>
<node2 a1="x2"> ... </node2>
<node2 a1="x1"> ... </node2>
</node1>
'''
doc=xee.fromstring(data)
for tag in doc.findall('node2'):
if tag.attrib['a1']=='x2':
doc.remove(tag)
print(xee.tostring(doc))
# <node1>
# <node2 a1="x1"> ... </node2>
# <node2 a1="x1"> ... </node2>
# </node1>
Questa usi lxml
, che non è nella libreria standard, ma ha un più potente sintassi :
import lxml.etree
data='''\
<node1>
<node2 a1="x1"> ... </node2>
<node2 a1="x2"> ... </node2>
<node2 a1="x1"> ... </node2>
</node1>
'''
doc = lxml.etree.XML(data)
e=doc.find('node2/[@a1="x2"]')
doc.remove(e)
print(lxml.etree.tostring(doc))
# <node1>
# <node2 a1="x1"> ... </node2>
# <node2 a1="x1"> ... </node2>
# </node1>
Modifica Se node2
è sepolto più profondamente nel xml, quindi è possibile scorrere tutte le etichette, controllare ogni tag principale per vedere se l'elemento node2
è uno dei suoi figli, e la rimozione se così:
Utilizzando solo xml.etree.ElementTree:
doc=xee.fromstring(data)
for parent in doc.getiterator():
for child in parent.findall('node2'):
if child.attrib['a1']=='x2':
parent.remove(child)
Utilizzando lxml:
doc = lxml.etree.XML(data)
for parent in doc.iter('*'):
child=parent.find('node2/[@a1="x2"]')
if child is not None:
parent.remove(child)