在解析 XML 文件时，有没有办法使用 lxml.etree 跳过第一个条目或在特定子项处开始迭代？

Question

我目前正在使用 xlml.etree 包中的 .iter 方法 Python 来解析 XML 文件。有没有办法使用 XPath 之类的方法跳过第一个条目或在特定子项处开始迭代？

我研究了 itertext 和 iterparse 方法，但根据它们的定义，我不确定它是否会比帮助将 iter 缩小到特定标签更有效，我已经完成了这一点。

import lxml.etree as et

parsedXML = et.parse(file_path)

for child in parsedXML.iter('{http://www.witsml.org/schemas/131}data'):

代码成功解析了 XML 文件，但我想通过跳过空行或缺少足够数量字符的行（全部以逗号分隔）来减少时间。

<logData>
<data>63653079886,,,,,,,,,,,,,,,,,,,,,,,</data>
<data>63653079887,,,,,,,,,,,,,,,,,,,,,,,</data>
<data>63653079888,,,,,,,,,,,,,,,,,,,,,,,</data>
<data>63653079889,,,,,,,,,,,,,,,,,,,,,,,</data>
<data>63653079890,,29.3,155.8,12.25,0.0,0,0,95.31,-86.11,1729654,1202864,1319105,1.00,1.00,-511.4,1.95,74,0,0,264.1,3.4,,356.9</data>
<data>63653079891,,29.3,155.7,12.25,0.0,0,0,95.31,-86.11,1729654,1202864,1319105,1.00,1.00,-511.4,1.95,74,0,0,264.1,3.4,,356.9</data>
<data>63653079892,,29.3,155.8,12.25,0.0,0,0,93.76,-87.65,1729654,1202864,1319105,1.00,1.00,-511.4,1.95,74,0,0,264.1,3.4,,356.9</data>

除每行的 11 位数字值外，还有几行和几行是空的。我想跳过它并在本例中第一个具有 12.25 值的行开始 iter（示例中的第 5 行）。

Answer 1

由于只有 11 位值和逗号（没有任何空格）的 data 元素是 34 个字符，您可以测试 string length in a predicate:

data[string-length(translate(.,' ','')) > 34]

我在检查字符串长度之前使用 translate() 删除了所有空格。

示例...

XML 输入 (input.xml)

<logData>
    <data>63653079886,,,,,,,,,,,,,,,,,,,,,,,</data>
    <data>63653079887,,,,,,,,,,,,,,,,,,,,,,,</data>
    <data>63653079888,,,,,,,,,,,,,,,,,,,,,,,</data>
    <data>63653079889,,,,,,,,,,,,,,,,,,,,,,,</data>
    <data>63653079889, , , , , , , , , , , , , , , , , , , , , , ,</data>
    <data>63653079890,,29.3,155.8,12.25,0.0,0,0,95.31,-86.11,1729654,1202864,1319105,1.00,1.00,-511.4,1.95,74,0,0,264.1,3.4,,356.9</data>
    <data>63653079891,,29.3,155.7,12.25,0.0,0,0,95.31,-86.11,1729654,1202864,1319105,1.00,1.00,-511.4,1.95,74,0,0,264.1,3.4,,356.9</data>
    <data>63653079892,,29.3,155.8,12.25,0.0,0,0,93.76,-87.65,1729654,1202864,1319105,1.00,1.00,-511.4,1.95,74,0,0,264.1,3.4,,356.9</data>
</logData>

Python（我使用 XMLParser() 使打印输出更好。这不是绝对必要的。）

from lxml import etree

parser = etree.XMLParser(remove_blank_text=True)

tree = etree.parse("input.xml", parser=parser)

for data in tree.xpath("data[string-length(translate(.,' ','')) > 34]"):
    print(etree.tostring(data).decode())

输出（打印到控制台）

<data>63653079890,,29.3,155.8,12.25,0.0,0,0,95.31,-86.11,1729654,1202864,1319105,1.00,1.00,-511.4,1.95,74,0,0,264.1,3.4,,356.9</data>
<data>63653079891,,29.3,155.7,12.25,0.0,0,0,95.31,-86.11,1729654,1202864,1319105,1.00,1.00,-511.4,1.95,74,0,0,264.1,3.4,,356.9</data>
<data>63653079892,,29.3,155.8,12.25,0.0,0,0,93.76,-87.65,1729654,1202864,1319105,1.00,1.00,-511.4,1.95,74,0,0,264.1,3.4,,356.9</data>

如果您真的想测试 12.25 值，当它之前的值的字符串长度未知时，它在 XPath 1.0 谓词中有点混乱。您可以使用一系列 substring-afters()'s inside a substring-before() 来完成。虽然不好看...

xpath("data[substring-before(substring-after(substring-after(substring-after(substring-after(translate(.,' ',''),','),','),','),','),',') = '12.25']")

在解析 XML 文件时，有没有办法使用 lxml.etree 跳过第一个条目或在特定子项处开始迭代？

Is there a way using lxml.etree to skip the first entry or start the iteration at a specific child when parsing an XML file?

python

xml

xpath

parsing

lxml