Obter lista de valores de atributos XML em Python

Question

Eu preciso para obter uma lista de valores de atributos de elementos filhos em Python.

É mais fácil explicar com um exemplo.

Dado algum XML como este:

<elements>
    <parent name="CategoryA">
        <child value="a1"/>
        <child value="a2"/>
        <child value="a3"/>
    </parent>
    <parent name="CategoryB">
        <child value="b1"/>
        <child value="b2"/>
        <child value="b3"/>
    </parent>
</elements>

Eu quero ser capaz de fazer algo como:

>>> getValues("CategoryA")
['a1', 'a2', 'a3']
>>> getValues("CategoryB")
['b1', 'b2', 'b3']

Parece um trabalho para XPath mas estou aberto a todas as recomendações. Eu também gostaria de ouvir sobre suas bibliotecas favoritas Python XML.

Answer 1

Eu não sou realmente um veterano em Python, mas aqui está uma solução XPath usando libxml2.

import libxml2

DOC = """<elements>
    <parent name="CategoryA">
        <child value="a1"/>
        <child value="a2"/>
        <child value="a3"/>
    </parent>
    <parent name="CategoryB">
        <child value="b1"/>
        <child value="b2"/>
        <child value="b3"/>
    </parent>
</elements>"""

doc = libxml2.parseDoc(DOC)

def getValues(cat):
    return [attr.content for attr in doc.xpathEval("/elements/parent[@name='%s']/child/@value" % (cat))]

print getValues("CategoryA")

Com o resultado ...

['a1', 'a2', 'a3']

Answer 2

ElementTree 1,3 (infelizmente não 1,2 que é o incluído com o Python) suporta XPath assim:

import elementtree.ElementTree as xml

def getValues(tree, category):
    parent = tree.find(".//parent[@name='%s']" % category)
    return [child.get('value') for child in parent]

Em seguida, você pode fazer

>>> tree = xml.parse('data.xml')
>>> getValues(tree, 'CategoryA')
['a1', 'a2', 'a3']
>>> getValues(tree, 'CategoryB')
['b1', 'b2', 'b3']

lxml.etree (que também fornece a interface ElementTree) também funcionará da mesma forma.

Answer 3

Usando um padrão W3 DOM como minidom do stdlib, ou pxdom:

def getValues(category):
    for parent in document.getElementsByTagName('parent'):
        if parent.getAttribute('name')==category:
            return [
                el.getAttribute('value')
                for el in parent.getElementsByTagName('child')
            ]
    raise ValueError('parent not found')

Answer 4

Devo admitir que eu sou um fã de xmltramp devido à sua facilidade de uso .

Acessando o acima torna-se:

  import xmltramp

  values = xmltramp.parse('''...''')

  def getValues( values, category ):
    cat = [ parent for parent in values['parent':] if parent(name) == category ]
    cat_values = [ child(value) for child in parent['child':] for parent in cat ]
    return cat_values

  getValues( values, "CategoryA" )
  getValues( values, "CategoryB" )

Answer 5

Você pode fazer isso com BeautifulSoup

>>> from BeautifulSoup import BeautifulStoneSoup
>>> soup = BeautifulStoneSoup(xml)
>>> def getValues(name):
. . .      return [child['value'] for child in soup.find('parent', attrs={'name': name}).findAll('child')]

Se você está fazendo o trabalho com HTML / XML eu recomendo que você dê uma olhada BeautifulSoup. É semelhante à árvore DOM, mas contém mais funcionalidade.

Answer 6

A minha biblioteca python xml preferido é lxml , que envolve libxml2.
Xpath não parece o caminho a percorrer aqui, então eu ia escrever isso como algo como:

from lxml import etree

def getValues(xml, category):
    return [x.attrib['value'] for x in 
            xml.findall('/parent[@name="%s"]/*' % category)]

xml = etree.parse(open('filename.xml'))

>>> print getValues(xml, 'CategoryA')
['a1', 'a2', 'a3']
>>> print getValues(xml, 'CategoryB')
['b1', 'b2', 'b3]

Answer 7

Em Python 3.x, buscando uma lista de atributos é uma tarefa simples de usar o items() membro

Usando o ElementTree, abaixo trecho de código mostra uma maneira de obter a lista de atributos. Observe que este exemplo não considera namespaces, que se presente, terá de ser contabilizado.

    import xml.etree.ElementTree as ET

    flName = 'test.xml'
    tree = ET.parse(flName)
    root = tree.getroot()
    for element in root.findall('<child-node-of-root>'):
        attrList = element.items()
        print(len(attrList), " : [", attrList, "]" )

REFERÊNCIA:

Element.items ()
Retorna os atributos do elemento como uma sequência de (nome, valor) pares.
Os atributos são retornados em uma ordem arbitrária.

Python manual do