我有一个这样的 XML 文件：<?xml version="1.0" encoding="UTF-8"?><data> <head> <version>1.0</version> <project>hello, world</project> <date>2020-08-15</date> </head> <file name="helloworld.py"/> <file name="helloworld.ps1"/> <file name="helloworld.bat"/></data>我需要在元素之间没有空格的 head 元素中获取数据，如下所示：<version>1.0</version><project>hello, world</project><date>2020-08-15</date>然后散列它。现在，我必须进行一些字符串操作才能将其合并为一行：root = ET.parse('myfile.xml').getroot()header = ET.tostring(root[0]).decode('utf-8')import reheader = re.sub('\n','',header)header = re.sub('>\s+<','><',header)header = header.replace('<head>','')header = header.replace('</head>','')header = header.strip()有没有更简单的方法来做到这一点？Powershell XML 对象有一个简单的 InnerXML 属性，它为您提供一个元素中没有空格的 XML 作为字符串。Python 是否有一种方法可以使这更容易？
3 回答
精慕HU
TA贡献1845条经验 获得超8个赞
下面（不使用任何外部库 - 只是核心 python）
import xml.etree.ElementTree as ET
root = ET.parse('input.xml')
head = root.find('.//head')
combined = ''.join(['<{}>{}</{}>'.format(e.tag,e.text,e.tag) for e in list(head)])
print(combined)
输入.xml
<?xml version="1.0" encoding="UTF-8"?>
<data>
<head>
<version>1.0</version>
<project>hello, world</project>
<date>2020-08-15</date>
</head>
<file name="helloworld.py"/>
<file name="helloworld.ps1"/>
<file name="helloworld.bat"/>
</data>
输出
<version>1.0</version><project>hello, world</project><date>2020-08-15</date>
开满天机
TA贡献1786条经验 获得超13个赞
如果您可以使用外部库，BeautifulSoup 在这方面做得很好。
https://www.crummy.com/software/BeautifulSoup/bs4/doc/#making-the-soup
这是您的文档的示例。
from bs4 import BeautifulSoup as bs
xml_doc = """<?xml version="1.0" encoding="UTF-8"?>
<data>
<head>
<version>1.0</version>
<project>hello, world</project>
<date>2020-08-15</date>
</head>
<file name="helloworld.py"/>
<file name="helloworld.ps1"/>
<file name="helloworld.bat"/>
</data>"""
page_soup = bs(xml_doc)
page_soup.head.getText()
page_soup.head.getText().strip().replace('\n','').replace(' ','')
这将返回 head 标签的子标签的内容，并去除换行符和空格。
红糖糍粑
TA贡献1815条经验 获得超6个赞
每种方法都可能有问题。有的方法还会删除有用的空格，有的方法在节点有属性的时候就麻烦了。所以我会给你第三种方法。这也可能是一种不完美的方法:)
from simplified_scrapy import SimplifiedDoc,utils
# xml_doc = utils.getFileContent('myfile.xml')
xml_doc = """<?xml version="1.0" encoding="UTF-8"?>
<data>
<head>
<version>1.0</version>
<project>hello, world</project>
<date>2020-08-15</date>
</head>
<file name="helloworld.py"/>
<file name="helloworld.ps1"/>
<file name="helloworld.bat"/>
</data>"""
doc = SimplifiedDoc(xml_doc)
headXml = doc.head.html.strip() # Get internal data of head
print (doc.replaceReg(headXml,'>[\s]+<','><')) # Replace newlines and spaces with regex
结果：
<version>1.0</version><project>hello, world</project><date>2020-08-15</date>
添加回答
举报
0/150
提交
取消