在python中使用cElementTree解析XML

我在使用python解析XML文件时遇到问题，即 - 语法。在python中使用cElementTree解析XML

我的XML文件看起来像这样的：

<?xml version="1.0" encoding="UTF-8"?> 
<!DOCTYPE chunkList SYSTEM "ccl.dtd"> 
<chunkList> 
<chunk id="ch1" type="p"> 
    <sentence id="s1"> 
    <tok> 
    <orth>dzisiaj</orth> 
    <lex disamb="1"><base>dzisiaj</base><ctag>adv:pos</ctag></lex> 
    </tok> 
    <tok> 
    <orth>uczę</orth> 
    <lex disamb="1"><base>uczyć</base><ctag>fin:sg:pri:imperf</ctag></lex> 
    <prop key="sense:ukb:syns_id">1449</prop> 
    <prop key="sense:ukb:syns_rank">1449/0.3151019143 52662/0.2635524432 58124/0.2227816629 58122/0.1985639796</prop> 
    <prop key="sense:ukb:unitsstr">szkolić.1(29:cumy) nauczać.1(29:cumy) kształcić.1(29:cumy) edukować.1(29:cumy) uczyć.1(29:cumy)</prop> 
    </tok> 
    <tok> 
    <orth>się</orth> 
    <lex disamb="1"><base>się</base><ctag>qub</ctag></lex> 
    </tok> 
    <tok> 
    <orth>o</orth> 
    <lex disamb="1"><base>o</base><ctag>prep:acc</ctag></lex> 
    </tok> 
    <tok> 
    <orth>świecie</orth> 
    <lex disamb="1"><base>świat</base><ctag>subst:sg:loc:m3</ctag></lex> 
    <prop key="sense:ukb:syns_id">7826</prop> 
    <prop key="sense:ukb:syns_rank">7826/0.1761356163 43462/0.1512730526 8139/0.1506959982 8361/0.1446884158 3331/0.1435643398 10819/0.1251661757 3332/0.1084764017</prop> 
    <prop key="sense:ukb:unitsstr">cywilizacja.1(11:grp) krąg_kulturowy.1(11:grp) kultura.3(11:grp) krąg_cywilizacyjny.1(17:rsl) świat.2(11:grp)</prop> 
    </tok> 
    </sentence> 
</chunk> 
</chunkList>

而我需要的，是一个包含元组两个值，<orth>和<prop key="sense:ukb:syns_id">列表。每个元组都为每个<tok>标签。所以，例如对于第二个<tok>我需要一个结果，如(uczę, 1449)。

我写了关于我认为应该如何工作的伪代码，但我不知道如何使用ET实现它。

这就是：

ResultArray=[] 

def treeSearch(root): 
    for element in root: 
     if element == 'tok': 
      temp1=0 
      temp2=0 
      for tokens in element: 
       if token == 'orth': 
        temp1=token.value() 
       if token == 'prop key="sense:ukb:syns_id"': 
        temp2=token.value() 
      tempTuple=(temp1,temp2) 
      resultArray.append(tempTuple) 

    return ResultArray

来源

2017-11-11 AwangardowyKaloryfer

所以你要只捕获1号标签''''标签中？ – RomanPerekhrest

我想在每个“”中捕获''和''并将其保存为元组。 – AwangardowyKaloryfer

''总是存在，但如果没有''，我可以使用0. – AwangardowyKaloryfer

随着xml.etree.ElementTree模块：

import xml.etree.ElementTree as ET 

root = ET.parse('input.xml').getroot() 
result = [] 
for tok in root.findall('.//tok'): 
    result.append((tok.findtext('orth'), tok.findtext('prop[@key="sense:ukb:syns_id"]') or 0)) 

print(result)

输出：

[('dzisiaj', 0), ('uczę', '1449'), ('się', 0), ('o', 0), ('świecie', '7826')]

详情：

for tok in root.findall('.//tok'): - 通过所有<tok>标签
tok.findtext('orth')迭代 - 将得到<orth>标签withing当前处理<tok>标签的文本内容
tok.findtext('prop[@key="sense:ukb:syns_id"]') or 0 - 获得<prop>标签与指定key属性的文本内容。如果它不存在 - 离开值为零0

来源

2017-11-11 18:26:38 RomanPerekhrest

我一直在尝试做这个工作的时间，这是做的。上帝保佑你，先生。你想解释一下吗？ – AwangardowyKaloryfer

@AwangardowyKaloryfer，不客气。看到我的细节 – RomanPerekhrest

在python中使用cElementTree解析XML

回答

相关问题