如何使用python修改xml文件中嵌套元素的文本？

Question

目前我正在研究一个语料库/数据集。它是 xml 格式，如下图所示。我面临一个问题。我想一一访问所有'ne'元素，如下图所示。然后我想访问'ne'元素内的'W'元素的文本。然后我想将你的符号'SDi'和'EDi'与这些'W'元素的文本连接起来。'i' 可以取从 1 开始的任何正整数。在 'SDi' 的情况下，我只需要在 'ne' 元素内的第一个 'W' 元素的文本。在“EDi”的情况下，我只需要最后一个“W”元素的文本那是在'ne'元素内。目前我在运行代码后没有得到任何输出。我认为这是因为元素“W”从未被访问过。此外，我认为元素'W'未被访问，因为它是元素'ne'的孙子，因此它不能直接访问，而是在其父节点的帮助下可能是可能的。注1：“ne”元素中子元素的个数和名称不相同。注2：这里只说明需要的东西。您可能会在编码/图片中找到一些其他细节，但忽略它们。我正在使用 Spyder (python 3.6) 任何帮助将不胜感激。我正在处理的 XML 文件中的图片如下所示：XML文件的文本版本： 点击这里示例/预期输出图像（下）：到目前为止我所做的编码：for i in range(len(List_of_root_nodes)):true_false = Truecurrent = List_of_root_nodes[i]start_ID = current.PDante_ID#print('start:', start_ID)  # For Testingend_ID = Nonenumber = str(i+1)  # This number will serve as i used with SD and ED that is (SDi and EDi)discourse_starting_symbol = "SD" + numberdiscourse_ending_symbol = "ED" + numberwhile true_false:        if current.right_child is None:                end_ID = current.PDante_ID        #print('end:', end_ID)  # For Testing        true_false = False            else:                current = current.right_child# Finding 'ne' element with id='start_ID'ne_text = Nonene_id = Nonefor ne in myroot.iter('ne'):        ne_id = ne.get('id')    # If ne_id matches with start_ID means the place where SDi is to be placed is found        if ne_id == start_ID:                for w in ne.iter('W'):                        ne_text = str(w.text)                        boundary_and_text = " " + str(discourse_starting_symbol) + " " + ne_text            w.text = boundary_and_text            break

Answer 1

像这样（a.xml 是您上传的 XML）：

请注意，代码没有使用任何外部库。

import xml.etree.ElementTree as ET

SD = 'SD'

ED = 'ED'

root = ET.parse('a.xml')

counter = 1

for ne in root.findall('.//ne'):

    w_lst = ne.findall('.//W')

    if w_lst:

        w_lst[0].text = '{}{} {}'.format(SD, counter, w_lst[0].text)

        if len(w_lst) > 1:

            w_lst[-1].text = '{} {}{}'.format(w_lst[-1].text, ED, counter)

        counter += 1

ET.dump(root)

Answer 2

每当您需要修改具有各种细微差别的 XML 时，请考虑XSLT，这是一种专门用于转换 XML 文件的语言。您可以使用 Python 的第三方模块lxml（不是内置的etree）运行 XSLT 1.0 脚本。

具体来说，调用身份转换以按原样复制 XML，然后运行两个模板以添加SDI到第一个<W>和最后一个 EDI 的文本到最后一个文本<W>。如果有 10 或 10,000 个<W>节点，无论是否深度嵌套，解决方案都会起作用。

要演示 StackOverflow 的顶级 Python 和 XSLT 用户的示例数据，请参阅在线演示，其中SDI和EDI添加到第一个和最后一个<user>节点：

XSLT （另存为 .xsl 文件，在 Python 中加载的特殊 .xml 文件）

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">

  <xsl:output indent="yes"/>

  <xsl:strip-space elements="*"/>

  <!-- IDENTITY TRANSFORM -->    

  <xsl:template match="@*|node()">

    <xsl:copy>

      <xsl:apply-templates select="@*|node()"/>

    </xsl:copy>

  </xsl:template>

  <!-- EDIT FIRST W NODE -->    

  <xsl:template match="W[count(preceding::W)=0]">

    <xsl:copy>

      <xsl:copy-of select="@*"/>

      <xsl:value-of select="concat('SDI ', text())"/>

    </xsl:copy>

  </xsl:template>

  <!-- EDIT LAST W NODE -->    

  <xsl:template match="W[count(preceding::W)+1 = count(//W)]">

    <xsl:copy>

      <xsl:copy-of select="@*"/>

      <xsl:value-of select="concat('EDI ', text())"/>

    </xsl:copy>

  </xsl:template>

</xsl:stylesheet>

Python （无循环或 if/else 逻辑）

import lxml.etree as et

doc = et.parse('/path/to/Input.xml')

xsl = et.parse('/path/to/Script.xsl')

# CONFIGURE TRANSFORMER

transform = et.XSLT(xsl)    

# TRANSFORM SOURCE DOC

result = transform(doc)

# OUTPUT TO CONSOLE

print(result)

# SAVE TO FILE

with open('Output.xml', 'wb') as f:

    f.write(result)