python - lxml eTree iterparse深度

Question

我正在尝试解析以下格式的一些 xml:

<label>
        <name></name>
        <sometag></sometag>
        <sublabels>
            <label></label>
            <label></label>
        </sublabel>
</label>

用这个解析它

for event, element in etree.iterparse(gzip.GzipFile(f), events=('end', ), tag='label'):
    if event == 'end':
        name = element.xpath('name/text()')

产生空的 name 变量，因为

<sublabels>
        <label></label>
        <label></label>
</sublabel>

问题:

除了检查它是否为空之外，还有什么方法可以设置 iterparse 的深度或忽略子标签标签吗？

Answer 1

这对我有用，并受到之前答案的启发:

name = None
level = 0
for event, element in etree.iterparse(gzip.GzipFile(f), events=('end', 'start' ), tag='label'):
    # Update current level
    if event == 'start': level += 1;
    elif event == 'end': level -= 1;
    # Get name for top level label
    if level == 0:
        name = element.xpath('name/text()')

作为替代解决方案，解析整个文件并使用 xpath 获取顶部标签名称:

from lxml import html

with gzip.open(f, 'rb') as f:
    file_content = f.read()
    tree = html.fromstring(file_content)
    name = tree.xpath('//label/name/text()')