python - 如何解析 XML 文件中的 VCARD

Question

我正在尝试解析一个包含 VCARD 的 XML 文件。我需要信息:FN，NOTE(SIREN 和 A)并将它们打印为 FN，SIREN_A 列表。如果描述中的字符串仅等于“diviseur”，我还想将它们添加到列表中

我尝试过不同的方法(vobject、finiter)，但都不起作用。对于我的解析器，我使用库 xml.etree.ElementTree 和 pandas，它们通常会导致一些不兼容。

Python 代码:

import xml.etree.ElementTree as ET
import vobject
newlist=[]
data=[]
data.append(newlist)
diviseur=[]
tree=ET.parse('test_oc.xml')
root=tree.getroot()
newlist=[]
for lifeCycle in root.findall('{http://ltsc.ieee.org/xsd/LOM}lifeCycle'):
    for contribute in lifeCycle.findall('{http://ltsc.ieee.org/xsd/LOM}contribute'):
        for entity in  contribute.findall('{http://ltsc.ieee.org/xsd/LOM}entity'):
            vcard = vobject.readOne(entity)
            siren = vcard.contents['note'].value,":",vcard.contents['fn'].value
            print ('siren',siren.text)
    for date in contribute.findall('{http://ltsc.ieee.org/xsd/LOM}date'):
        for description in date.findall('{http://ltsc.ieee.org/xsd/LOM}description'):                       
            entite=description.find('{http://ltsc.ieee.org/xsd/LOM}string')
            print ('Type entité:', entite.text)
            newlist.append(entite)
            j=0
            for j in range(len(entite)-1):
                if entite[j]=="diviseur":
                    diviseur.append(siren[j])
                    print('diviseur:', diviseur)
                    newlist.append(diviseur)
data.append(newlist)                    
print(data)

要解析的xml文件:

<?xml version="1.0" encoding="UTF-8"?>    
<lom:lom xmlns:lom="http://ltsc.ieee.org/xsd/LOM" xmlns:lomfr="http://www.lom-fr.fr/xsd/LOMFR"  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://ltsc.ieee.org/xsd/LOM">
    <lom:version uniqueElementName="version">
        <lom:string language="http://id.loc.gov/vocabulary/iso639-2/fre">V4.1</lom:string>
    </lom:version>
    <lom:lifeCycle uniqueElementName="lifeCycle">
        <lom:contribute>
            <lom:entity><![CDATA[ 
            BEGIN:VCARD
            VERSION:4.0
            FN:Cailler
            N:;Valérie;;Mr;
            ORG:Veoli
            NOTE:SIREN=203025106
            NOTE :ISNI=0000000000000000
            END:VCARD
            ]]></lom:entity>
            <lom:date uniqueElementName="date">
                <lom:dateTime uniqueElementName="dateTime">2019-07-10</lom:dateTime>
                <lom:description uniqueElementName="description">
                    <lom:string>departure</lom:string>
                </lom:description>
            </lom:date>
        </lom:contribute>
        <lom:contribute>
            <lom:entity><![CDATA[ 
            BEGIN:VCARD
            VERSION:4.0
            FN:Besnard
            N:;Ugo;;Mr;
            ORG:MG
            NOTE:SIREN=501 025 205
            NOTE :A=0000 0000
            END:VCARD
            ]]></lom:entity>
            <lom:date uniqueElementName="date">
                <lom:dateTime uniqueElementName="dateTime">2019-07-10</lom:dateTime>
                <lom:description uniqueElementName="description">
                    <lom:string>diviseur</lom:string>
                </lom:description>
            </lom:date>
        </lom:contribute>
    </lom:lifeCycle>
</lom:lom>

回溯(最近一次调用最后一次): 文件“parser_export_csv_V2.py”，第 73 行，位于 vcard = vobject.readOne(实体) 文件“C:\Users\b\AppData\Local\Programs\Python\Python36-32\lib\site-packages\vobject\base.py”，第 1156 行，在 readOne 中 允许QP)) 文件“C:\Users\b\AppData\Local\Programs\Python\Python36-32\lib\site-packages\vobject\base.py”，第 1089 行，在 readComponents 中 对于 getLogicalLines(stream,allowQP) 中的行、n: 文件“C:\Users\b\AppData\Local\Programs\Python\Python36-32\lib\site-packages\vobject\base.py”，第 869 行，在 getLogicalLines 中 val = fp.read(-1)AttributeError:“xml.etree.ElementTree.Element”对象没有属性“read”

Answer 1

这里有一些问题。

• entity 是一个 Element 实例，vCard 是纯文本数据格式。 vobject.readOne() 需要文本。

• XML 文件中 vCard 属性附近存在不需要的空格。

• 注意:ISNI=0000000000000000 无效；它应该是NOTE:ISNI=0000000000000000(删除空格)。

• vcard.contents['note'] 是一个列表，没有 value 属性。

这里的代码可能不会完全产生您想要的结果，但我希望它有帮助:

import xml.etree.ElementTree as ET
import vobject

NS = {"lom": "http://ltsc.ieee.org/xsd/LOM"}

tree = ET.parse('test_oc.xml')

for contribute in tree.findall('.//lom:contribute', NS):
    desc_string = contribute.find('.//lom:string', NS)
    print(desc_string.text)

    entity = contribute.find('lom:entity', NS)
    txt = entity.text.replace(" ", "")  # Text with spaces removed
    vcard = vobject.readOne(txt)

    for p in vcard.contents["note"]:
        print(p.name, p.value)
    for p in vcard.contents["fn"]:
        print(p.name, p.value)

    print()

输出:

departure
NOTE SIREN=203025106
NOTE ISNI=0000000000000000
FN Cailler

diviseur
NOTE SIREN=501025205
NOTE A=00000000
FN Besnard