python - lxml iterparse，具有相同标签名称的 child

Question

我想从文件(1.5gb 文件)中动态解析 xml，如下所示:

<product product_id="x" name="x" sku_number="x">
    <category>
        <primary>x</primary>
        <secondary>y</secondary>
    </category>
    <URL>
        <product>URL__I_WANT_TO_PULLOUT</product>
        <productImage>x</productImage>
    </URL>
    <description>
        <short>x</short>
        <long>x</long>
    </description>
</product>

我正在使用 lxml.etree.iterparse，例如:

for event, elem in ET.iterparse(f, events=('end',), tag='product'):
    save_product(elem)

我从 xml 节点获取所有必需的值。我无法拉出的唯一节点是 URL>product(它只是空的)。我认为这是由相同的标签名称引起的。除了 iterparse 之外，还有什么方法可以动态解析 xml？

Answer 1

如果我运行 etree.iterparse在你的样本上，它找到了 'product'标记两次:一个外部一个内部 <product> .外部标签有子元素及其 text是空的。所以你需要跳过那些外部'product'标签只适用于那些没有子元素的标签，例如:

for event, elem in etree.iterparse(f, events=('end',), tag='product'):
    if not len(elem):
        save_product(elem)

---

如果需要处理top product的所有元素标记可以删除所有内部 product主循环中的字段，然后按路径处理所有子元素，例如 python's lxml and iterparse method :

def save_product(elem):
    cat_prim = elem.xpath('category/primary')[0].text;
    cat_sec = elem.xpath('category/secondary')[0].text;
    url_prod = elem.xpath('URL/product')[0].text;
    url_img = elem.xpath('URL/productImage')[0].text;
    desc_short = elem.xpath('description/short')[0].text;
    desc_long = elem.xpath('description/long')[0].text;

for event, elem in etree.iterparse(f, events=('end',), tag='product'):
    if len(elem):
        save_product(elem)