如何从 Python 中的 XML 中的列表中提取子元素

如何解决如何从 Python 中的 XML 中的列表中提取子元素

我正在尝试使用 Python etree 库从 XML 列表中提取元素，并使用这些元素生成输出 JSON。

想法是通过一系列XPATH来提取我想要的元素。我不想遍历 XML 中的所有元素，因为它们太多了。

XML 看起来与此类似：

<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<Line xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
    <Data>
        <Date>2020-01-02</Date>
        <Id>id_1</Id>
        <CodDevice>567</CodDevice>
        <DataList>
            <Item>
                <Row>1</Row>
                <Value>34.67</Value>
                <Description>WHEELS</Description>
                <Tag>tag1</Tag>
            </Item>
            <Item>
                <Row>2</Row>
                <Value>38.04</Value>
                <Description>MOTOR</Description>
                <Tag>tag1</Tag>
            </Item>
        </DataList>
        <MetaList>
            <Metadata>
                <Row>1</Row>
                <Value>some value</Value>
            </Metadata>
        </MetaList>
    </Data>
</Line>

我正在考虑的方法如下：

import xml.etree.ElementTree as ET
import json

data = """<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<Line xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
    <Data>
        <Date>2020-01-02</Date>
        <Id>id_1</Id>
        <CodDevice>567</CodDevice>
        <DataList>
            <Item>
                <Row>1</Row>
                <Value>34.67</Value>
                <Description>WHEELS</Description>
                <Tag>tag1</Tag>
            </Item>
            <Item>
                <Row>2</Row>
                <Value>38.04</Value>
                <Description>MOTOR</Description>
                <Tag>tag1</Tag>
            </Item>
        </DataList>
        <MetaList>
            <Metadata>
                <Row>1</Row>
                <Value>some value</Value>
            </Metadata>
        </MetaList>
    </Data>
</Line>     
"""

tag_list = [
'./Data/Date','./Data/Id','./Data/CodDevice','./Data/DataList/Item/Row','./Data/DataList/Item/Value','./Data/DataList/Item/Description','./Data/MetaList/Metadata/Row','./Data/MetaList/Metadata/Value'
]

elem_dict= {}
  
parser = ET.XMLParser(encoding="utf-8")
root = ET.fromstring(data,parser=parser)

for tag in tag_list:
    for item in root.findall(tag):
        elem_dict[item.tag] = item.text
print(json.dumps(elem_dict))

如您所见，我尝试生成一个 JSON，当我将 XPATH 传递给列表元素时，它会覆盖它们，生成以下输出：

{"Date": "2020-01-02","Id": "id_1","CodDevice": "567","Row": "1","Value": "some value","Description": "MOTOR"}

但我想得到的是类似于：

{"Id":"id_1","CodDevice":"567","DataList":[{"Row":1,"Value":34.67,"Description":"WHEELS"},{"Row":2,"Value":38.04,"Description":"MOTOR"}],"MetaList":[{"Row":1,"Value":some value}]}

我不知道我可以将库用于哪些功能的详细信息，也许有更有效的方法来实现这一点，但我正在忽略它...

关于如何解决这个问题的任何想法都会很棒。非常感谢！

解决方法

您的任务涉及：

过滤源 XML 树，
更改元素的名称及其结构（例如 Item 元素到列表的元素）
生成“多级”（嵌套）输出。

这就是为什么我认为最自然的方法是写一些自定义代码。

从获取 XML 元素文本的函数开始（它将进一步使用）：

def getTxt(elem):
    return elem.text.strip()

然后定义另一个函数将子项添加到字典中：

def addChildren(dct,elem,childNames,fn=getTxt):
    for it in elem:
        tag = it.tag
        if tag in childNames:
            dct[tag] = fn(it)

参数：

dct - 要添加内容的字典。
elem - 源元素。
childNames - 要在 elem 中寻找和服务的孩子的名字。
fn - 为每个元素生成内容的函数。

要获取两个列表的内容，请定义另一个函数：

def getItems(elem):
    lst = []
    for it in elem:
        dct = {}
        addChildren(dct,it,['Row','Value','Description'])
        lst.append(dct)
    return lst

最后一步是主要代码，假设你有你的XML root 中的树：

dct = {}
nd = root.find('Data')
addChildren(dct,nd,['Date','Id','CodDevice'])
addChildren(dct,['DataList','MetaList'],getItems)

现在 dct 包含（经过一些重新格式化后）：

{
  'Date': '2020-01-02','Id': 'id_1','CodDevice': '567','DataList': [
    {'Row': '1','Value': '34.67','Description': 'WHEELS'},{'Row': '2','Value': '38.04','Description': 'MOTOR'}
  ],'MetaList': [
    {'Row': '1','Value': 'some value'}
  ]
}

如果要将其保存为 JSON 字符串，请运行 json.dump 或 json.dumps。

我不确定输出是否应该包含 Date 键（您的 tag_list 包含它，但预期的输出没有）。如果不需要，请从第一个 childNames 中删除 'Date'。

通过字典理解来考虑 dictionary merging：

data = root.find('.//Data')
elem_dict = {
              **{d.tag: d.text.strip() for d in data.findall('*') if d.text.strip() != ""},**{'DataList': [{i.tag: i.text.strip() for i in item.findall('*') if i.tag != 'Tag'} 
                               for item in data.findall('.//DataList/Item')]},**{'MetalList': [{m.tag: m.text.strip() for m in meta.findall('*')} 
                                for meta in data.findall('.//MetaList/Metadata')]}
             } 

print(json.dumps(elem_dict))
# {"Date": "2020-01-02","Id": "id_1","CodDevice": "567",#  "DataList": [{"Row": "1","Value": "34.67","Description": "WHEELS"},#               {"Row": "2","Value": "38.04","Description": "MOTOR"}],#  "MetalList": [{"Row": "1","Value": "some value"}]}

如何从 Python 中的 XML 中的列表中提取子元素

如何解决如何从 Python 中的 XML 中的列表中提取子元素

解决方法

相关推荐