Python:如何生成 "Missing Elements"的文件

Question

我有一组 xml 数据，如下所示:

<widgets>
<widget number = 'a1'>
...
info regarding widget a1
...
</widget>
<widget number = 'a2'>
...
info regarding widget a2
...
</widget>
...
...
...
<widget number = 'a10000000000000000'>
...
info regarding widget a10000000000000000
...
</widget>
</widgets>

我正在解析文件，查找每个小部件的信息，一切进展顺利。

我正在寻找一种方法来生成“丢失”小部件的 csv。它们按数字顺序排列(即，a2 应该在 a1 后面，a3 应该在 a2 后面，等等)，但可能会有一些缺失。

我已经需要从前面去掉“a”，但我不确定如何设置一些东西，如果有“跳过”，所有内容都会添加到“跳过”文件中。

也许，通过一个例子会更容易说明这一点。如果我有: ... ... ... ... 有关小部件 a10 的信息 ... ... 有关小部件 a12 的信息 ... ... ... ...我想要一个带有“a11”的列表，因为那是缺少的。

如果我有: ... ... ... ... 有关小部件 a17 的信息 ... ... 有关小部件 a20 的信息 ... ... ... ...我想要一份 list a18a19

等等。我知道如何将列表放入 csv 中，所以我真正想要的是如何通过确定存在跳过、评估跳过的大小然后使用 for 将条目添加到列表来生成第一个列表环形。

Answer 1

首先，我创建一个带有一些间隙的小部件的 xml 文件。然后，我使用 lxml 库解析它，并使用 xpath 表达式查找 widget 元素的集合。我从每个元素中挑选出 number 属性，然后在列表理解中挑选包含该数字的切片，以获取所有 available_widgets 的编号。

在这一点上，我采取了懦夫的出路:我假设可能的小部件数量的范围很小。我浏览 available_widgets 表示的范围，看看缺少哪些内容。

如果，事实上，您需要查看大量的可能性，那么您可能会在 SO 的某个地方找到查找列表或序列中间隙的方法。

>>> nums = [1,2,3,5,6,8,11,14,17,20]
>>> with open('temp.xml', 'w') as temp:
...     r = temp.write('<widgets>')
...     for num in nums:
...         r = temp.write('<widget number="a%s">'%num)
...         r = temp.write('info regarding widget a%s'%num)
...         r =temp.write('</widget>')
...     r = temp.write('</widgets>')
... 
>>> 
>>> from lxml import etree
>>> tree = etree.parse('temp.xml')
>>> widgets = tree.xpath('.//widget')
>>> available_widgets = [int(widget.attrib['number'][1:]) for widget in widgets]
>>> available_widgets 
[1, 2, 3, 5, 6, 8, 11, 14, 17, 20]
>>> missing_widgets = []
>>> for num in range(min(available_widgets), max(available_widgets)+1):
...     if not num in available_widgets:
...         missing_widgets.append(num)
...         
>>> missing_widgets 
[4, 7, 9, 10, 12, 13, 15, 16, 18, 19]