Python:在 xml 中，如何删除父节点中的节点

Question

我有一个相当大的 xml，我需要从中删除另一个节点中的一些特定节点。例如我有一个列表，其中包含应该出现在 xml 中的节点名称。因此，除了这些节点之外，父节点中的所有其他节点都应删除并写入新的 xml 文件。

我只需要删除节点，即“Instance”，其中第一个“Data”元素不等于列表中存在的值，我将提供。其余的 xml 信息，即“Description”、“Symbols”标签不应受到干扰。

假设:我已经将应该从外部文件读取的数据解析为python列表变量。

DOM 或 SAX 任何人都适合我。但我相信 DOM 非常快。对任何 BIF 的可用或逻辑的任何提示对我来说也没有问题。

注意:我是 Python 的新手。因此，如果我的代码有任何问题，请发表评论。

我的代码如下:

from xml.etree.ElementTree import ElementTree
tree = ElementTree()
tree.parse('Test.xml')

file = open("File.txt")

list = []

for lines in file:
    list.append(lines)

Instance = tree.findall('Instance')
for i in Instance:
   while (i != list[i]):
       Instance.remove(i)

tree.write('new.xml')

下面是示例 xml 文件:

<?xml version='1.0' encoding='UTF-8'?>
<Identification>
<Description ID="12">Some text</Description>
</Identification>
<Symbols>
  <Name Width="1">abc</Name>
  <Name Width="2">def</Name>
</Symbols>

<Instance RowRef="A">
  <DataSet>
    <Data>12345678</Data>
  </DataSet>
  <DataSet>
    <Data>abcd</Data>
  </DataSet>
  <DataSet>
    <Data>abcd</Data>
  </DataSet>
</Instance>
<Instance RowRef="B">
  <DataSet>
    <Data>87654321</Data>
  </DataSet>
  <DataSet>
    <Data>abcd</Data>
  </DataSet>
  <DataSet>
    <Data>abcd</Data>
  </DataSet>
</Instance>
<Instance RowRef="C">
  <DataSet>
    <Data>06354237/Data>
  </DataSet>
  <DataSet>
    <Data>abcd</Data>
  </DataSet>
  <DataSet>
    <Data>abcd</Data>
  </DataSet>

Answer 1

你对很多点感到困惑。

首先，您提供的 xml 缺少根标记。您的 xml 文件应该看起来更像这样(其中 Root 可以替换为任何必要的标记):

<?xml version='1.0' encoding='UTF-8'?>
<Root>
<Identification>
<Description ID="12">Some text</Description>
</Identification>
<Symbols>
  <Name Width="1">abc</Name>
  <Name Width="2">def</Name>
</Symbols>

<Instance RowRef="A">
  <DataSet>
    <Data>12345678</Data>
  </DataSet>
  <DataSet>
    <Data>abcd</Data>
  </DataSet>
  <DataSet>
    <Data>abcd</Data>
  </DataSet>
</Instance>
<Instance RowRef="B">
  <DataSet>
    <Data>87654321</Data>
  </DataSet>
  <DataSet>
    <Data>abcd</Data>
  </DataSet>
  <DataSet>
    <Data>abcd</Data>
  </DataSet>
</Instance>
<Instance RowRef="C">
  <DataSet>
    <Data>06354237</Data>
  </DataSet>
  <DataSet>
    <Data>abcd</Data>
  </DataSet>
  <DataSet>
    <Data>abcd</Data>
  </DataSet>
</Instance>
</Root>

其次，如果您担心速度，请考虑使用cElementTree 而不是ElementTree:

>>> import xml.etree.cElementTree as ET  # use cElementTree for faster processing

第三，需要给ET.parse方法的结果起个名字，不然以后就没有办法引用了:

>>> tree = ET.parse('Test.xml')

第四，现在您需要找到该树的根，然后才能找到该树的所有 Instance 元素:

>>> root = tree.getroot()  # now get the root
>>> keeper_data = ['06354237', '87654321']  # your list that you will apparently get from a file?
>>> instances = root.findall('Instance')

现在您需要找到 Instance 元素，其 Data 值指示应删除 Instance 元素:

第五，你需要检查第一个Data元素的文本是否在你的keeper列表中，第六，你从 root(或任何父元素)中移除您的元素，而不是从 instances 中移除:

>>> for instance in instances:
        data1 = instance.find('./DataSet/Data')
        if data1.text not in keeper_data:
            # NOTE WELL: I remove from the root (not the instance) below!
            root.remove(instance)

现在写入您的新 xml 文件:

>>> tree.write('New.xml')

生成的 xml 文件将如下所示:

<Root>
 <Identification>
  <Description ID="12">Some text</Description>
 </Identification>
 <Symbols>
  <Name Width="1">abc</Name>
  <Name Width="2">def</Name>
 </Symbols>
 <Instance RowRef="B">
  <DataSet>
   <Data>87654321</Data>
  </DataSet>
   <DataSet>
    <Data>abcd</Data>
   </DataSet>
   <DataSet>
    <Data>abcd</Data>
   </DataSet>
  </Instance>
  <Instance RowRef="C">
   <DataSet>
    <Data>06354237</Data>
   </DataSet>
   <DataSet>
    <Data>abcd</Data>
   </DataSet>
   <DataSet>
    <Data>abcd</Data>
   </DataSet>
  </Instance>
 </Root>

请注意，具有值为 12345678 的 Data 元素的 Instance 和其他 keeper_data 元素均未被省略。