Python，lxml - 获取兄弟标签的(孙)子文本

Question

我有一个 XML 需要解析，这对我来说非常棘手。

<bundles>
  <bundle>
    <bitstreams>
      <bitstream>
        <id>1234</id>
      </bitstream>
    </bitstream>
    <name>FOO</name>
  </bundle>
  <bundle> ... </bundle>
</bundles>

我想遍历此 XML 并在 bundle 的 bitstreams 中找到所有 id 值，其中 name 元素的值为 'FOO'。我对任何未命名为“FOO”的 bundle 不感兴趣，并且 bundle 中可能有任意数量的 bundle 和任意数量的比特流。

我一直在使用 tree.findall('./bundle/name') 来查找 FOO 包，但这只会返回一个列表，我无法通过 id 值(value)观:

for node in tree.findall('./bundle/name'):
if node.text == 'FOO':
 id_values = tree.findall('./bundle/bitstreams/bitstream/id')
 for value in id_values:
     print value.text

这会打印出所有 id 值，而不是包“FOO”的那些值。

我如何遍历这棵树，找到具有名称 FOO 的bundle，获取此bundle 节点并收集 id 值嵌套在里面？这里的 XPath 参数不正确吗？

我在 Python 中工作，使用 lxml 绑定(bind)——但我认为任何 XML 解析器都可以；这些不是大型 XML 树。

Answer 1

您可以使用 xpath达到目的。以下 Python 代码完美运行:

import libxml2
data = """
<bundles>
  <bundle>
    <bitstreams>
      <bitstream>
        <id>1234</id>
      </bitstream>
    </bitstreams>
    <name>FOO</name>
  </bundle>
</bundles>
"""
doc = xmllib2.parseDoc(data)
for node in doc.xpathEval('/bundles/bundle/name[.="FOO"]/../bitstreams/bitstream/id'):
    print node

或使用 lxml (data 与上例相同):

from lxml import etree

bundles = etree.fromstring(data)

for node in bundles.xpath('bundle/name[.="FOO"]/../bitstreams/bitstream/id'):
    print(node.text)

输出:

1234

如果<bitstreams>元素始终在 <name> 之前元素，您还可以使用更高效的 xpath 表达式:

'bundle/name[.="FOO"]/preceding-sibling::bitstreams/bitstream/id'