- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在设计某种 ETL 管道,我希望首先将输入 XML 数据集拆分为与每个项目相关的单独 XML 文件。输入数据集基本上是特定模型下元数据的导出(当前示例是 EDM)。我对 XSLT 相当满意,并希望使用它来避免在这个问题上使用太多的 Python,而这应该没有那么复杂。
我浏览了许多线程,包括 Lisa Daly 的 Fast_iter(参见 https://www.ibm.com/developerworks/xml/library/x-hiperfparse/ )。我尝试了不同的方法,但在写入文件时我总是陷入困境(没有输出或序列化问题)。正在寻找一些经验丰富的反馈吗?!
<rdf:RDF ...many namespaces...>
<!--ITEM1 NODE-->
<ore:aggregates>
<edm:ProvidedCHO rdf:about="http://some/url"/>
<ore:Aggregation rdf:about="http://some/url">
<...>
</ore:Aggregation>
<ore:Proxy rdf:about="http://some/url">
<...>
</ore:Proxy>
<edm:EuropeanaAggregation rdf:about="http://some/url">
<...>
</edm:EuropeanaAggregation>
</ore:aggregates>
<!--ITEM2 NODE-->
<ore:aggregates>
<...>
</ore:aggregates>
<!--ITEM3 NODE-->
<ore:aggregates>
<...>
</ore:aggregates>
</rdf:RDF>
<!--ITEM 1-->
<rdf:RDF ...many namespaces...>
<edm:ProvidedCHO rdf:about="http://some/url"/>
<ore:Aggregation rdf:about="http://some/url">
<...>
</ore:Aggregation>
<ore:Proxy rdf:about="http://some/url">
<...>
</ore:Proxy>
<edm:EuropeanaAggregation rdf:about="http://some/url">
<...>
</edm:EuropeanaAggregation>
</rdf:RDF>
from lxml import etree as ET
dom = ET.parse(source)
xslt = ET.parse(xsl_filename)
transform = ET.XSLT(xslt)
newdom = transform(dom)
print(ET.tostring(newdom, pretty_print=True))
<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet exclude-result-prefixes="xsi xlink xml" version="2.0"
xmlns:many="namespaces">
<xsl:output encoding="UTF-8" indent="yes"/>
<!--<xsl:param name="output" select="'/Users/yep/Code/+dev/test data/output/'"/>-->
<xsl:param name="output" select="'/home/yep/data/split/'"/>
<xsl:param name="children" select="/rdf:RDF/ore:aggregates"/>
<!-- ROOT MATCH -->
<xsl:template match="/">
<xsl:for-each select="$children">
<xsl:call-template name="itemize"/>
</xsl:for-each>
</xsl:template>
<xsl:template name="itemize">
<xsl:variable name="uri" select="translate(ore:Proxy/dc:identifier, ' ', '_')"/>
<xsl:variable name="ns"/>
<xsl:variable name="fullOutput" select="concat($output, $uri)"/>
<xsl:result-document href="{$fullOutput}.xml" method="xml">
<xsl:element name="rdf:RDF">
<xsl:copy-of select="namespace::*"/>
<xsl:copy-of select="*"/>
</xsl:element>
</xsl:result-document>
</xsl:template>
</xsl:stylesheet>
...没有输出。也尝试过“写入”但不起作用
import xml.etree.ElementTree as ET
root = ET.parse(source).getroot()
# namespaces variable generated from a json file
jsonFile = open("application/models/namespaces.json")
jsonStr = jsonFile.read()
namespaces = json.loads(jsonStr)
for item in root.findall("ore:aggregates",namespaces):
newTree = ET.parse("/home/yep/application/services/create/sample.xml")
newroot = newTree.getroot()
for node in item.findall("edm:ProvidedCHO",namespaces):
newroot.append(node)
ET.SubElement(newroot,node)
filename = "/home/yep/data/split/" + str(i) + ".xml"
newTree.write(filename)
TypeError: cannot serialize <Element '{http://www.europeana.eu/schemas/edm/}ProvidedCHO' at 0x7f4768a03688> (type Element)
我认为这个问题与我没有正确处理 namespace 有关,或者可能是因为当数据是Python时我仍然采用XSLT方法......一些帮助将不胜感激:)
最佳答案
由于您尝试使用 lxml 处理 XSLT,因此您只能使用 XSLT 1.0。由于 1.0 不支持 xsl:result-document
,因此您必须使用 exlst document
扩展(幸运的是 lxml 支持)。
这是一个例子...
XML 输入 (test.xml)
<rdf:RDF xmlns:rdf="http://some rdf uri" xmlns:edm="http://some edm uri" xmlns:ore="http://some ore uri">
<!--ITEM1 NODE-->
<ore:aggregates>
<edm:ProvidedCHO rdf:about="http://some/url">from item1</edm:ProvidedCHO>
<ore:Aggregation rdf:about="http://some/url">from item1</ore:Aggregation>
<ore:Proxy rdf:about="http://some/url">from item1</ore:Proxy>
<edm:EuropeanaAggregation rdf:about="http://some/url">from item1</edm:EuropeanaAggregation>
</ore:aggregates>
<!--ITEM2 NODE-->
<ore:aggregates>
<edm:ProvidedCHO rdf:about="http://some/url">from item2</edm:ProvidedCHO>
<ore:Aggregation rdf:about="http://some/url">from item2</ore:Aggregation>
<ore:Proxy rdf:about="http://some/url">from item2</ore:Proxy>
<edm:EuropeanaAggregation rdf:about="http://some/url">from item2</edm:EuropeanaAggregation>
</ore:aggregates>
<!--ITEM3 NODE-->
<ore:aggregates>
<edm:ProvidedCHO rdf:about="http://some/url">from item3</edm:ProvidedCHO>
<ore:Aggregation rdf:about="http://some/url">from item3</ore:Aggregation>
<ore:Proxy rdf:about="http://some/url">from item3</ore:Proxy>
<edm:EuropeanaAggregation rdf:about="http://some/url">from item3</edm:EuropeanaAggregation>
</ore:aggregates>
</rdf:RDF>
XSLT 1.0(测试.xsl)
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
xmlns:exsl="http://exslt.org/common"
extension-element-prefixes="exsl">
<xsl:strip-space elements="*"/>
<xsl:template match="/*/*">
<xsl:apply-templates select=".." mode="copy">
<xsl:with-param name="target_id" select="generate-id()"/>
</xsl:apply-templates>
</xsl:template>
<xsl:template match="/*" mode="copy">
<xsl:param name="target_id"/>
<exsl:document href="{$target_id}.xml" indent="yes">
<xsl:copy>
<xsl:copy-of select="@*|*[generate-id()=$target_id]/*"/>
</xsl:copy>
</exsl:document>
</xsl:template>
</xsl:stylesheet>
Python
from lxml import etree
tree = etree.parse("test.xml")
xslt = etree.parse("test.xsl")
tree.xslt(xslt)
输出(文件名基于生成的 ID,因此在运行我的代码时它们可能会有所不同。)
idm253366124.xml
<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://some_rdf_uri" xmlns:edm="http://some_edm_uri" xmlns:ore="http://some_ore_uri">
<edm:ProvidedCHO rdf:about="http://some/url">from item1</edm:ProvidedCHO>
<ore:Aggregation rdf:about="http://some/url">from item1</ore:Aggregation>
<ore:Proxy rdf:about="http://some/url">from item1</ore:Proxy>
<edm:EuropeanaAggregation rdf:about="http://some/url">from item1</edm:EuropeanaAggregation>
</rdf:RDF>
idm219411756.xml
<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://some_rdf_uri" xmlns:edm="http://some_edm_uri" xmlns:ore="http://some_ore_uri">
<edm:ProvidedCHO rdf:about="http://some/url">from item2</edm:ProvidedCHO>
<ore:Aggregation rdf:about="http://some/url">from item2</ore:Aggregation>
<ore:Proxy rdf:about="http://some/url">from item2</ore:Proxy>
<edm:EuropeanaAggregation rdf:about="http://some/url">from item2</edm:EuropeanaAggregation>
</rdf:RDF>
idm219410244.xml
<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://some_rdf_uri" xmlns:edm="http://some_edm_uri" xmlns:ore="http://some_ore_uri">
<edm:ProvidedCHO rdf:about="http://some/url">from item3</edm:ProvidedCHO>
<ore:Aggregation rdf:about="http://some/url">from item3</ore:Aggregation>
<ore:Proxy rdf:about="http://some/url">from item3</ore:Proxy>
<edm:EuropeanaAggregation rdf:about="http://some/url">from item3</edm:EuropeanaAggregation>
</rdf:RDF>
<小时/>
更新动态路径...
XSLT
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
xmlns:rdf="http://some_rdf_uri" xmlns:edm="http://some_edm_uri"
xmlns:ore="http://some_ore_uri"
xmlns:exsl="http://exslt.org/common"
extension-element-prefixes="exsl">
<xsl:strip-space elements="*"/>
<xsl:key name="elem_by_id" match="*" use="generate-id()"/>
<xsl:template match="/*" name="root">
<xsl:apply-templates select="*"/>
</xsl:template>
<xsl:template match="*">
<xsl:apply-templates select="/*" mode="copy">
<xsl:with-param name="target_id" select="generate-id()"/>
</xsl:apply-templates>
</xsl:template>
<xsl:template match="/*" mode="copy">
<xsl:param name="target_id"/>
<exsl:document href="temp/{$target_id}.xml" indent="yes">
<xsl:copy>
<xsl:copy-of select="@*|key('elem_by_id',$target_id)/*"/>
</xsl:copy>
</exsl:document>
</xsl:template>
</xsl:stylesheet>
Python
from lxml import etree
tree = etree.parse("test.xml")
xslt = etree.parse("test.xsl")
target_path = "/rdf:RDF/ore:aggregates"
try:
elem = xslt.xpath("/xsl:stylesheet/xsl:template[@name='root']/xsl:apply-templates",
namespaces={"xsl": "http://www.w3.org/1999/XSL/Transform"})[0]
elem.attrib["select"] = target_path
except IndexError:
print("Could not find xsl:template to update.")
tree.xslt(xslt)
关于python - 在 Python 中逐项列出大型 xml 文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54095195/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!