python xml 解析 (minidom)

Question

我需要从此 XML 文件读取数据。我不知道如何从这个 XML 文件中读取数据 aaaaa、bbbbb、ccccc、ddddd、eeeee、fffff 和 ggggg。

<Episode>
<Section type="report" startTime="0" endTime="10">
    <Turn startTime="0" endTime="2.284" speaker="spk1">
        <Sync time="0"/>
        aaaaa
        <Sync time="0.93"/>
        bbbbb
    </Turn>
    <Turn speaker="spk2" startTime="2.284" endTime="6.458">
        <Sync time="2.284"/>
        ccccc
        <Sync time="3.75"/>
        ddddd
        <Sync time="4.911"/>
        eeeee
    </Turn>
    <Turn speaker="spk3" startTime="6.458" endTime="10">
        <Sync time="6.458"/>
        fffff
        <Sync time="8.467"/>
        ggggg
    <Sync time="9.754"/>

    </Turn>
</Section>
</Episode>

我写了这段代码:

# -*- coding: UTF-8-*-

from xml.etree import ElementTree as ET
import os
from xml.dom import minidom

dom = minidom.parse("aaa.trs")

conference=dom.getElementsByTagName('Turn')
for node in conference:
    conf_name=node.getAttribute('speaker')
    print conf_name
    sync=node.getElementsByTagName('Sync')
    for s in sync:
        s_name=s.getAttribute('time')
        print s_name

输出是:

sp1
sp2
sp3

但是输出应该是:

sp1
aaaaa
bbbbb
sp2
ccccc
ddddd
eeeee
sp3
fffff
ggggg

有什么建议吗？谢谢。

Answer 1

一种方法是获取每个 Sync 节点的 nextSibling:

conference = dom.getElementsByTagName('Turn')
for node in conference:
    conf_name = node.getAttribute('speaker')
    print conf_name
    sync = node.getElementsByTagName('Sync')
    for s in sync:
        print s.nextSibling.nodeValue.strip()

打印:

spk1
aaaaa
bbbbb
spk2
ccccc
ddddd
eeeee
spk3
fffff
ggggg

此外，您还可以通过获取每个 Sync 节点的 tail 来使用 ElementTree 获得相同的结果:

tree = ET.parse("aaa.trs")
for turn in tree.findall('.//Turn'):
    print turn.attrib.get('speaker')
    for sync in turn.findall('.//Sync'):
        print sync.tail.strip()

希望有帮助。