Python lxml - 如何删除空重复的标记

Question

我有一些由脚本生成的XML,可能有也可能没有空元素.有人告诉我,现在我们不能在XML中拥有空元素.这是一个例子:

<customer>  
    <govId>
       <id>@</id>
       <idType>SSN</idType>
           <issueDate/>
           <expireDate/>
           <dob/>
           <state/>
           <county/>
           <country/>
    </govId>
    <govId>
        <id/>
        <idType/>
        <issueDate/>
        <expireDate/>
        <dob/>
        <state/>
        <county/>
        <country/>
    </govId>
</customer>

输出应如下所示:

<customer>  
    <govId>
       <id>@</id>
       <idType>SSN</idType>        
    </govId>        
</customer>

我需要删除所有空元素.你会注意到我的代码在"govId"子元素中删除了空的东西,但是在第二个元素中没有取出任何东西.我目前正在使用lxml.objectify.

这基本上就是我在做什么:

root = objectify.fromstring(xml)
for customer in root.customers.iterchildren():
    for e in customer.govId.iterchildren():
        if not e.text:
            customer.govId.remove(e)

有没有人知道用lxml objectify做这个的方法还是有一个更简单的方法期？如果它的所有元素都是空的,我还想完整地删除第二个"govId"元素.

Answer 1

首先,你的代码的问题是你正在迭代customers,但没有结束govIds.在第三行,您为每个客户选择第 govId一个,并迭代其子项.因此,您需要另一个for循环来使代码按照您的意图工作.

在你的问题结尾处的这个小句子然后使问题变得更复杂:如果所有元素都是空的,我还想完整地删除第二个"govId"元素.

这意味着,除非您想要硬编码只检查一个级别的嵌套,否则需要递归检查元素及其子元素是否为空.像这样例如:

def recursively_empty(e):
   if e.text:
       return False
   return all((recursively_empty(c) for c in e.iterchildren()))

注意:Python 2.5+因为使用了all()内置.

然后,您可以将代码更改为类似的内容,以删除文档中一直空着的所有元素.

# Walk over all elements in the tree and remove all
# nodes that are recursively empty
context = etree.iterwalk(root)
for action, elem in context:
    parent = elem.getparent()
    if recursively_empty(elem):
        parent.remove(elem)

样本输出:

<customer>
  <govId>
    <id>@</id>
    <idType>SSN</idType>
  </govId>
</customer>

您可能想要做的一件事是改进if e.text:递归函数中的条件.目前,这将考虑None将空字符串视为空,但不考虑空格和换行符等空格.str.strip()如果这是你的"空"定义的一部分,请使用.

编辑:正如@Dave所指出的,可以通过使用生成器表达式来改进递归函数:

return all((recursively_empty(c) for c in e.getchildren()))

这不会一次评估recursively_empty(c)所有孩子,而是懒洋洋地评估每个孩子.由于all()将停止对第一个False元素的迭代,这可能意味着显着的性能改进.

编辑2:通过使用e.iterchildren()而不是表达式可以进一步优化e.getchildren().这适用于lxml etree API和objectify API.