XML-анализ с помощью Python и minidom

Ответ 1

getElementsByTagName рекурсивно, вы получите все потомки с соответствующим tagName. Поскольку ваши Темы содержат другие Темы, которые также имеют Заголовки, вызов будет получать заголовки с понижающим титром много раз.

Если вы хотите запросить только для всех соответствующих прямых детей, и у вас нет доступного XPath, вы можете написать простой фильтр, например:

def getChildrenByTagName(node, tagName):
    for child in node.childNodes:
        if child.nodeType==child.ELEMENT_NODE and (tagName=='*' or child.tagName==tagName):
            yield child

for topic in document.getElementsByTagName('Topic'):
    title= list(getChildrenByTagName('Title'))[0]         # or just get(...).next()
    print title.firstChild.data

Ответ 2

Позвольте мне поставить этот комментарий здесь...

Спасибо за попытку. Это не сработало, но это дало мне несколько идей. Следующие работы (одна и та же общая идея: FWIW, nodeType - ELEMENT_NODE):

import xml.dom.minidom
from xml.dom.minidom import Node

dom = xml.dom.minidom.parse("docmap.xml")

def getChildrenByTitle(node):
    for child in node.childNodes:
        if child.localName=='Title':
            yield child

Topic=dom.getElementsByTagName('Topic')
for node in Topic:
    alist=getChildrenByTitle(node)
    for a in alist:
#        Title= a.firstChild.data
        Title= a.childNodes[0].nodeValue
        print Title

Ответ 3

Вы можете использовать следующий генератор для запуска списка и получения заголовков с уровнями отступов:

def f(elem, level=-1):
    if elem.nodeName == "Title":
        yield elem.childNodes[0].nodeValue, level
    elif elem.nodeType == elem.ELEMENT_NODE:
        for child in elem.childNodes:
            for e, l in f(child, level + 1):
                yield e, l

Если вы проверите его с вашим файлом:

import xml.dom.minidom as minidom
doc = minidom.parse("test.xml")
list(f(doc))

вы получите список со следующими кортежами:

(u'My Document', 1), 
(u'Overview', 1), 
(u'Basic Features', 2), 
(u'About This Software', 2), 
(u'Platforms Supported', 3)

Разумеется, это всего лишь базовая идея. Если вы просто хотите использовать пробелы в начале, вы можете запрограммировать это непосредственно в генераторе, хотя с уровнем, которым вы обладаете большей гибкостью. Вы также можете автоматически обнаружить первый уровень (здесь это всего лишь плохая работа по инициализации уровня до -1...).

Ответ 4

Рекультивирующая функция:

import xml.dom.minidom

def traverseTree(document, depth=0):
  tag = document.tagName
  for child in document.childNodes:
    if child.nodeType == child.TEXT_NODE:
      if document.tagName == 'Title':
        print depth*'    ', child.data
    if child.nodeType == xml.dom.Node.ELEMENT_NODE:
      traverseTree(child, depth+1)

filename = 'sample.xml'
dom = xml.dom.minidom.parse(filename)
traverseTree(dom.documentElement)

Ваш xml:

<?xml version="1.0" encoding="UTF-8"?>
<DOCMAP>
    <Topic Target="ALL">
        <Title>My Document</Title>
    </Topic>
    <Topic Target="ALL">
        <Title>Overview</Title>
        <Topic Target="ALL">
            <Title>Basic Features</Title>
        </Topic>
        <Topic Target="ALL">
            <Title>About This Software</Title>
            <Topic Target="ALL">
                <Title>Platforms Supported</Title>
            </Topic>
        </Topic>
    </Topic>
</DOCMAP>

Ваш желаемый результат:

 $ python parse_sample.py 
      My Document
      Overview
          Basic Features
          About This Software
              Platforms Supported

Ответ 5

Я думаю, что может помочь

import os
import sys
import subprocess
import base64,xml.dom.minidom
from xml.dom.minidom import Node
f = open("file.xml",'r')
data = f.read()
i = 0
doc = xml.dom.minidom.parseString(data)
for topic in doc.getElementsByTagName('Topic'):
   title= doc.getElementsByTagName('Title')[i].firstChild.nodeValue
   print title
   i +=1

Вывод:

My Document
Overview
Basic Features
About This Software
Platforms Supported