使用有序字典解析xml文件

Question

我有一个xml表格的文件:

<NewDataSet>
    <Root>
        <Phonemic>and</Phonemic>
        <Phonetic>nd</Phonetic>
        <Description/>
        <Start>0</Start>
        <End>8262</End>
    </Root>
    <Root>
        <Phonemic>comfortable</Phonemic>
        <Phonetic>comfetebl</Phonetic>
        <Description>adj</Description>
        <Start>61404</Start>
        <End>72624</End>
    </Root>
</NewDataSet>

我需要处理它,例如,当用户输入时nd,程序将其与<Phonetic>标签匹配并and从<Phonemic>零件返回.我想也许如果我可以将xml文件转换为字典,我将能够迭代数据并在需要时查找信息.

我搜索并找到了用于相同目的的xmltodict:

import xmltodict
with open(r'path\to\1.xml', encoding='utf-8', errors='ignore') as fd:
    obj = xmltodict.parse(fd.read())

运行这个给了我一个ordered dict:

>>> obj
OrderedDict([('NewDataSet', OrderedDict([('Root', [OrderedDict([('Phonemic', 'and'), ('Phonetic', 'nd'), ('Description', None), ('Start', '0'), ('End', '8262')]), OrderedDict([('Phonemic', 'comfortable'), ('Phonetic', 'comfetebl'), ('Description', 'adj'), ('Start', '61404'), ('End', '72624')])])]))])

现在不幸的是,这并没有使事情变得更简单,我不确定如何使用新的数据结构来实现程序.例如要访问nd我必须写:

obj['NewDataSet']['Root'][0]['Phonetic']

这太荒谬了.我试图把它变成一个普通的字典,dict()但由于它是嵌套的,内层保持有序,我的数据是如此之大.

Answer 1

如果你以obj['NewDataSet']['Root'][0]['Phonetic']IMO的身份访问它,那么你做得不对.

相反,您可以执行以下操作

obj = obj["NewDataSet"]
root_elements = obj["Root"] if type(obj) == OrderedDict else [obj["Root"]] 
# Above step ensures that root_elements is always a list
for element in root_elements:
    print element["Phonetic"]

即使这段代码看起来更长,但优点是,一旦你开始处理足够大的xml,它就会更加紧凑和模块化.

PS:我遇到了同样的问题xmltodict.但是,使用xml.etree.ElementTree解析xml文件而不是解析,因为代码库较小,xmltodict更容易使用,而且我不必处理xml模块的其他内容.

编辑

以下代码适合我

import xmltodict
from collections import OrderedDict

xmldata = """<NewDataSet>
    <Root>
        <Phonemic>and</Phonemic>
        <Phonetic>nd</Phonetic>
        <Description/>
        <Start>0</Start>
        <End>8262</End>
    </Root>
    <Root>
        <Phonemic>comfortable</Phonemic>
        <Phonetic>comfetebl</Phonetic>
        <Description>adj</Description>
        <Start>61404</Start>
        <End>72624</End>
    </Root>
</NewDataSet>"""

obj = xmltodict.parse(xmldata)
obj = obj["NewDataSet"]
root_elements = obj["Root"] if type(obj) == OrderedDict else [obj["Root"]] 
# Above step ensures that root_elements is always a list
for element in root_elements:
    print element["Phonetic"]

Answer 2

实际上，您可以通过设置附加关键字参数来避免转换为 OrderedDict：

obj = xmltodict.parse(xmldata, dict_constructor=dict)

parse正在将关键字参数转发到_DictSAXHandler并且dict_constructor默认设置为OrderedDict。