使用python进行xml过滤

Question

我有一个以下的xml文档:

<node0>
    <node1>
      <node2 a1="x1"> ... </node2>
      <node2 a1="x2"> ... </node2>
      <node2 a1="x1"> ... </node2>
    </node1>
</node0>

我想过滤掉node2什么时候a1="x2".用户提供需要测试和过滤掉的xpath和属性值.我在像BeautifulSoup这样的python中查看了一些解决方案,但它们太复杂了,不保留文本的大小写.我想保持文档与以前一样过滤掉一些东西.

你能推荐一个简单而简洁的解决方案吗？从它的外观来看,这不应该太复杂.实际的xml文档并不像上面那么简单,但想法是一样的.

Answer 1

这使用xml.etree.ElementTree标准库中的内容:

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>

这使用lxml,它不在标准库中,但具有更强大的语法:

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>

编辑:如果node2更深入地隐藏在xml中,那么您可以遍历所有标记,检查每个父标记以查看该node2元素是否是其子项之一,如果是,则将其删除:

仅使用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)

使用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)