使用 lxml 解析 xml 文件

Question

我正在尝试通过查找每个 Watts 标签并更改其中的文本来编辑 xml 文件。到目前为止，我已经设法更改了所有标签，但没有具体更改 Watts 标签。

我的解析器是：

from lxml import etree
tree = etree.parse("cycling.xml")
root = tree.getroot()

for watt in root.iter():
    if watt.tag == "Watts":
        watt.text = "strong"

tree.write("output.xml")

这使我的 cycling.xml 文件保持不变。来自 output.xml 的片段（也是 cycling.xml 文件，因为它没有改变）是：

<TrainingCenterDatabase xmlns:xsd="http://www.w3.org/2001/XMLSchema" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.garmin.com/xmlschemas/TrainingCenterDatabase/v2">
  <Activities>
    <Activity Sport="Biking">
      <Id>2018-05-06T20:49:56Z</Id>
      <Lap StartTime="2018-05-06T20:49:56Z">
        <TotalTimeSeconds>2495.363</TotalTimeSeconds>
        <DistanceMeters>15345</DistanceMeters>
        <MaximumSpeed>18.4</MaximumSpeed>
        <Calories>0</Calories>
        <Intensity>Active</Intensity>
        <TriggerMethod>Manual</TriggerMethod>
        <Track>
          <Trackpoint>
            <Time>2018-05-06T20:49:56Z</Time>
            <Position>
              <LatitudeDegrees>49.319297</LatitudeDegrees>
              <LongitudeDegrees>-123.024128</LongitudeDegrees>
            </Position>
            <HeartRateBpm>
              <Value>99</Value>
            </HeartRateBpm>
            <Extensions>
              <TPX xmlns="http://www.garmin.com/xmlschemas/ActivityExtension/v2">
                <Watts>0</Watts>
                <Speed>2</Speed>
              </TPX>
            </Extensions>
          </Trackpoint>

如果我更改我的解析器以更改所有标签：

for watt in root.iter():
    if watt.tag != "Watts":
        watt.text = "strong"

然后我的 output.xml 文件变成：

<TrainingCenterDatabase xmlns="http://www.garmin.com/xmlschemas/TrainingCenterDatabase/v2">strong<Activities>strong<Activity Sport="Biking">strong<Id>strong</Id>
      <Lap StartTime="2018-05-06T20:49:56Z">strong<TotalTimeSeconds>strong</TotalTimeSeconds>
        <DistanceMeters>strong</DistanceMeters>
        <MaximumSpeed>strong</MaximumSpeed>
        <Calories>strong</Calories>
        <Intensity>strong</Intensity>
        <TriggerMethod>strong</TriggerMethod>
        <Track>strong<Trackpoint>strong<Time>strong</Time>
            <Position>strong<LatitudeDegrees>strong</LatitudeDegrees>
              <LongitudeDegrees>strong</LongitudeDegrees>
            </Position>
            <HeartRateBpm>strong<Value>strong</Value>
            </HeartRateBpm>
            <Extensions>strong<TPX xmlns="http://www.garmin.com/xmlschemas/ActivityExtension/v2">strong<Watts>strong</Watts>
                <Speed>strong</Speed>
              </TPX>
            </Extensions>
          </Trackpoint>
          <Trackpoint>strong<Time>strong</Time>
            <Position>strong<LatitudeDegrees>strong</LatitudeDegrees>
              <LongitudeDegrees>strong</LongitudeDegrees>
            </Position>
            <AltitudeMeters>strong</AltitudeMeters>
            <HeartRateBpm>strong<Value>strong</Value>
            </HeartRateBpm>
            <Extensions>strong<TPX xmlns="http://www.garmin.com/xmlschemas/ActivityExtension/v2">strong<Watts>strong</Watts>
                <Speed>strong</Speed>
              </TPX>
            </Extensions>
          </Trackpoint>

我怎样才能只更改瓦特标签？
我不明白 root = tree.getroot() 的作用。我只是想我会同时问这个问题，虽然我不确定它对我的特定问题是否重要。

Answer 1

您的文档定义了一个默认的 XML 命名空间。看开始标签末尾的xmlns=属性：

<TrainingCenterDatabase
  xmlns:xsd="http://www.w3.org/2001/XMLSchema"
  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 
  xmlns="http://www.garmin.com/xmlschemas/TrainingCenterDatabase/v2">

这意味着您的文档中没有名为 "Watts" 的元素；您需要使用适当的命名空间来限定标签名称。如果你在我们的循环中打印出 watt.tag 的值，你会看到：

$ python filter.py 
{http://www.garmin.com/xmlschemas/TrainingCenterDatabase/v2}TrainingCenterDatabase
[...]
{http://www.garmin.com/xmlschemas/ActivityExtension/v2}Watts
{http://www.garmin.com/xmlschemas/ActivityExtension/v2}Speed

考虑到这一点，您可以修改过滤器，使其看起来像这个：

from lxml import etree
tree = etree.parse("cycling.xml")
root = tree.getroot()

for watt in root.iter():
    if watt.tag == "{http://www.garmin.com/xmlschemas/ActivityExtension/v2}Watts":
        watt.text = "strong"

tree.write("output.xml")

您可以在 lxml documentation.

中阅读有关命名空间处理的更多信息

Answer 2

或者，由于您使用了两个重要的词 edit xml 并且您正在使用 lxml，请考虑 XSLT（XML 转换语言），您可以在其中定义名称空间前缀并在文档中的任何位置更改 Watts 而无需循环。另外，您可以将值从 Python!

传递到 XSLT

XSLT （另存为 .xsl 文件）

<?xml version="1.0"?>
<xsl:transform xmlns:xsl="http://www.w3.org/1999/XSL/Transform"              
               xmlns:doc="http://www.garmin.com/xmlschemas/ActivityExtension/v2" version="1.0">
    <xsl:output version="1.0" encoding="UTF-8" omit-xml-declaration="no" indent="yes"/>
    <xsl:strip-space elements="*"/>

    <!-- VALUE TO BE PASSED INTO FROM PYTHON -->
    <xsl:param name="python_value">

    <!-- Identity Transform -->
    <xsl:template match="@*|node()">
        <xsl:copy>
           <xsl:apply-templates select="@*|node()"/>
       </xsl:copy>
    </xsl:template>

    <!-- ADJUST WATTS TEXT -->
    <xsl:template match="doc:Watts">
        <xsl:copy><xsl:value-of select="$python_value"/></xsl:copy>
    </xsl:template>

</xsl:transform>

Python

from lxml import etree

# LOAD XML AND XSL
doc = etree.parse("cycling.xml")
xsl = etree.parse('XSLT_Script.xsl')

# CONFIGURE TRANSFORMER
transform = etree.XSLT(xsl)    

# RUN TRANSFORMATION WITH PARAM
n = etree.XSLT.strparam('Strong')
result = transform(doc, python_value=n)

# PRINT TO CONSOLE
print(result) 

# SAVE TO FILE
with open('Output.xml', 'wb') as f:
    f.write(result)

使用 lxml 解析 xml 文件

Parsing an xml file using lxml

python

xml

lxml