遍历 XML 个节点并比较 Python 中其元素的文本

Question

我正在处理一个 XML 文件，其中的一部分如下所示：

<tblSampleParts>
    <AnID>1</AnID>
    <JrID>11</JrID>
</tblSampleParts>
<tblSampleParts>
    <AnID>2</AnID>
    <JrID>16</JrID>
</tblSampleParts>
<tblSampleParts>
    <AnID>2</AnID>
    <JrID>28</JrID>
</tblSampleParts>
<tblSampleParts>
    <AnID>2</AnID>
    <JrID>29</JrID>
<tblSampleParts>
    <AnID>3</AnID>
    <JrID>5</JrID>
</tblSampleParts>
<tblSampleParts>
    <AnID>4</AnID>
    <JrID>22</JrID>
</tblSampleParts>
<tblSampleParts>
    <AnID>5</AnID>
    <JrID>12</JrID>
</tblSampleParts>
<tblSampleParts>
    <AnID>5</AnID>
    <JrID>18</JrID>
<tblSampleParts>
    <AnID>6</AnID>
    <JrID>6</JrID>
</tblSampleParts>

我想做的是遍历节点并比较“AnID”元素的值。如果多次显示“AnID”的值，那么我想打印 AnID 的文本和相应的 JrID。所以我希望在查看附加代码时打印的是：

    <AnID>2</AnID>
    <JrID>16</JrID>

    <AnID>2</AnID>
    <JrID>28</JrID>

    <AnID>2</AnID>
    <JrID>29</JrID>

    <AnID>5</AnID>
    <JrID>12</JrID>

    <AnID>5</AnID>
    <JrID>18</JrID>

我自己尝试过并使用 int() 函数将文本转换为整数并尝试遍历所有节点，但出现 'string indices must be integers'.

之类的错误

目前我正在使用以下代码来收集和打印 AnID 和 JrID 的值：

import pandas as pd
from lxml import objectify
path='0458510148.xml'
parsed=objectify.parse(open(path))
root=parsed.getroot()


data=[]
skip_fields=['tblProjects','tblMeasurementPoints']

for elt in root.tblSampleParts:
    el_data={}
    for child in elt.getchildren():
        el_data[child.tag]=child.pyval
    data.append(el_data)


perf=pd.DataFrame(data)
print(perf)

结果如下：

    AnID  JrID
0      1    11
1      2    16
2      2    28
3      3     5
4      4    22
5      5    12
6      6     6
7      7     1
8      8    17
9      9    18
10    10    10
11    10    13
12    10    24
13    11     2
14    11     8
15    11    14
16    11    25
17    12    10
18    13    13
19    14    24

但我不知道如何只打印出现不止一次的 AnID（及其相应的 JrID）。

Answer 1

我认为没有太多理由将其转换为整数，您也可以比较字符串值。

您可以尝试以下方法：

创建字典
遍历每个 <tblSampleParts>
- 将<AnID>中的字符串用作k，将<JrID>中的字符串用作v
- 如果键不在字典中，将键k和列表[v]作为值添加到字典
- 如果键在字典中，将v附加到列表
遍历字典中的每个键值对
- 如果值中的列表只包含一个元素，则跳过它
- 如果列表包含更多元素，这就是您正在寻找的情况之一。

我敢肯定，有更好、更高效、更 pythonic 的方法来做到这一点。但这至少应该有效。

无论如何，对于此解决方案，您可以使用字符串 "5" 以及整数 5 作为键。
但是，如果您坚持将字符串转换为整数，并且不断出现错误，您可能需要查看导致这些错误的字符串是什么。

Answer 2

有点绕，不过可以用xpath搞定：

from lxml import etree

ids = """<root>[your xml above[</root>""" #note: the xml in the question is not well formed; it needs to be wrapped in a root element

uniq_anids = {id for id in doc.xpath('//AnID/text()')}
targets = [u_a for u_a in uniq_anids if doc.xpath(f'count(//AnID[text()="{u_a}"])')>1]
for target in targets:
    for tsp in doc.xpath(f'//tblSampleParts[./AnID[text()="{target}"]]/*'):
        print(etree.tostring(tsp).decode())

输出应该是您问题中指出的那个。

Answer 3

好的，所以我试了一下：

import lxml
from bs4 import BeautifulSoup

sample_data = """
<xml>
    <tblSampleParts>
        <AnID>1</AnID>
        <JrID>11</JrID>
    </tblSampleParts>
    <tblSampleParts>
        <AnID>2</AnID>
        <JrID>16</JrID>
    </tblSampleParts>
    <tblSampleParts>
        <AnID>2</AnID>
        <JrID>28</JrID>
    </tblSampleParts>
    <tblSampleParts>
        <AnID>2</AnID>
        <JrID>29</JrID>
    <tblSampleParts>
        <AnID>3</AnID>
        <JrID>5</JrID>
    </tblSampleParts>
    <tblSampleParts>
        <AnID>4</AnID>
        <JrID>22</JrID>
    </tblSampleParts>
    <tblSampleParts>
        <AnID>5</AnID>
        <JrID>12</JrID>
    </tblSampleParts>
    <tblSampleParts>
        <AnID>5</AnID>
        <JrID>18</JrID>
    <tblSampleParts>
        <AnID>6</AnID>
        <JrID>6</JrID>
    </tblSampleParts>
</xml>
"""

soup = BeautifulSoup(sample_data, 'xml')

parts = soup.find_all('tblSampleParts')

AnIDs = []
JrIDs = []
for p in parts:
    an = p.AnID.text
    AnIDs.append(an)
    jr = p.JrID.text
    JrIDs.append(jr)

for i, a in enumerate(AnIDs):
    if AnIDs.count(a) > 1:
        print(f'<AnID>{a}</AnID>\n<JrID>{JrIDs[i]}</JrID>')

这会打印

<AnID>2</AnID>
<JrID>16</JrID>
<AnID>2</AnID>
<JrID>28</JrID>
<AnID>2</AnID>
<JrID>29</JrID>
<AnID>5</AnID>
<JrID>12</JrID>
<AnID>5</AnID>
<JrID>18</JrID>

我猜这应该是你想要的吧？

更新：

BeautifulSoup 不提供直接读取 files/web 页的功能。

如果您在本地有数据，作为文件 data.xml，您可以执行以下操作（假设文件与脚本位于同一文件夹中 - 使用相对路径）：

with open('data.xml', 'r') as f:
    contents = f.read()
    soup = BeautifulSoup(contents, 'xml')

如果您想使用在线数据，请执行以下操作：

import requests

url = "http://some.url.com/data.xml"
req = requests.get(url)
soup = BeautifulSoup(req.content, 'xml')

（应该大致可行，虽然还没有尝试过，所以您可能需要在这里和那里进行调整）

遍历 XML 个节点并比较 Python 中其元素的文本

Looping through XML nodes and comparing the text of its elements in Python

python

xml

loops

element

nodes

更新：