在Python中与LXML一起使用XPath

问题描述：

我有一个python脚本，用于解析XML并将其导出到csv文件的某些感兴趣的元素中。我曾试图改变现在的脚本允许标准下的XML文件的过滤，相当于XPath查询将是：在Python中与LXML一起使用XPath

\DC\Events\Confirmation[contains(TransactionId,"GTEREVIEW")]

当我尝试使用LXML这样做，我的代码是：

xml_file = lxml.etree.parse(xml_file_path) 
namespace = "{" + xml_file.getroot().nsmap[None] + "}" 
node_list = xml_file.findall(namespace + "Events/" + namespace + "Confirmation[TransactionId='*GTEREVIEW*']")

但这似乎不起作用。谁能帮忙？ XML文件的例子：

<Events> 
    <Confirmation> 
    <TransactionId>GTEREVIEW2012</TransactionId> 
    </Confirmation>  
    <Confirmation> 
    <TransactionId>GTEDEF2012</TransactionId> 
    </Confirmation>  
</Events>

所以我想包含一个事务ID，其中包括字符串“GTEREVIEW”全部“确认”的节点。感谢

其中是您的xml文件？ – SomeDude

我已更新问题。 – naiminp

答

findall()不支持XPath表达式，只有ElementPath（见http://effbot.org/zone/element-xpath.htm）。 ElementPath不支持搜索包含特定字符串的元素。

为什么不使用XPath？假设文件test.xml包含示例XML，以下工作：

> python 
Python 2.7.9 (default, Jun 29 2016, 13:08:31) 
[GCC 4.9.2] on linux2 
Type "help", "copyright", "credits" or "license" for more information. 

>>> from lxml import etree 
>>> tree=etree.parse("test.xml") 
>>> tree.xpath("Confirmation[starts-with(TransactionId, 'GTEREVIEW')]") 
[<Element Confirmation at 0x7f68b16c3c20>]

如果你坚持要用findall()，你能做的最好的就是有TransactionId子节点的所有Confirmation元素的列表：

>>> tree.findall("Confirmation[TransactionId]") 
[<Element Confirmation at 0x7f68b16c3c20>, <Element Confirmation at 0x7f68b16c3ea8>]

然后您需要手动过滤此列表，如：

>>> [e for e in tree.findall("Confirmation[TransactionId]") 
    if e[0].text.startswith('GTEREVIEW')] 
[<Element Confirmation at 0x7f68b16c3c20>]

如果您的文档CON含有杂质的命名空间，下面将让你有TransactionId子节点的所有Confirmation元素，前提是该元素使用默认的命名空间（我用xmlns="file:xyz"作为默认的命名空间）：

>>> tree.findall("//{{{0}}}Confirmation[{{{0}}}TransactionId]".format(tree.getroot().nsmap[None])) 
[<Element {file:xyz}Confirmation at 0x7f534a85d1b8>, <Element {file:xyz}Confirmation at 0x7f534a85d128>]

而且当然还有etree.ETXPath的：

>>> find=etree.ETXPath("//{{{0}}}Confirmation[starts-with({{{0}}}TransactionId, 'GTEREVIEW')]".format(tree.getroot().nsmap[None])) 
>>> find(tree) 
[<Element {file:xyz}Confirmation at 0x7f534a85d1b8>]

这使您可以组合XPath和名称空间。

非常感谢您的回答！不幸的是，我的文档中有一个名称空间，导致Xpath返回一个空列表。从文件中删除名称空间后，代码似乎工作。有没有解决的办法？该文件基本上以并以 – naiminp

结尾。你仍然可以用'findall（）'来使用第二种方法。您只需在返回的节点列表上执行过滤。 – Markus

答

//Confirmation[TransactionId[contains(.,'GTEREVIEW')]] 


father_tag[child_tag] # select father_tag that has child_tag 
[child_tag[filter]] # select select child tag which match filter 
[filter]

只是添加一些解释 –

在Python中与LXML一起使用XPath

相关推荐