python - 使用 Python 和 minidom 进行 XML 解析

Question

我正在使用 Python (minidom) 来解析一个 XML 文件，该文件打印出如下所示的层次结构(此处使用缩进来显示重要的层次关系):

My Document
Overview
    Basic Features
    About This Software
        Platforms Supported

相反，程序在节点上迭代多次并生成以下内容，打印重复的节点。 (在每次迭代时查看节点列表，很明显为什么要这样做，但我似乎无法找到一种方法来获取我正在寻找的节点列表。)

My Document
Overview
Basic Features
About This Software
Platforms Supported
Basic Features
About This Software
Platforms Supported
Platforms Supported

这是 XML 源文件:

<?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>

这是 Python 程序:

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

dom = xml.dom.minidom.parse("test.xml")
Topic=dom.getElementsByTagName('Topic')
i = 0
for node in Topic:
    alist=node.getElementsByTagName('Title')
    for a in alist:
        Title= a.firstChild.data
        print Title

我可以通过不嵌套“主题”元素来解决问题，方法是将较低级别的主题名称更改为“SubTopic1”和“SubTopic2”之类的名称。但是，我想利用内置的 XML 层次结构而不需要不同的元素名称；看来我应该能够嵌套“主题”元素，并且应该有某种方法可以知道我当前正在查看哪个级别的“主题”。

我尝试了许多不同的 XPath 函数，但都没有成功。

Answer 1

getElementsByTagName 是递归的，您将获得具有匹配标签名称的所有 后代。因为您的 Topic 包含其他也有 Titles 的 Topic，所以调用会多次获取较低的 Titles。

如果您只想请求所有匹配的直接子级，并且您没有可用的 XPath，您可以编写一个简单的过滤器，例如:

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