删除行中的垃圾字符/ python中强大的XML解析器

我有一个文件，其中包含损坏的XML，在我想摆脱的行尾有一些垃圾字符。这些垃圾字符不允许我使用Python的XML解析器。示例：删除行中的垃圾字符/ python中强大的XML解析器

<request><pair><name>q</name><value><![CDATA[LOL]]></value></pair><pair><name>start</name><value>1</value></pair></request>�J I�i�Y�Y��'z�3�u�J�5��}���#Q/k;!�ˑ�9Q){_������ŐF 
<request><pair><name>q</name><value><![CDATA[LOL2]]></value></pair><pair><name>start</name><value>1</value></pair></request>4/lIT�l��'�c�Oֲ�{�;��_?��(>͏Y�mP��

如何在</request>之后删除垃圾字符？换句话说，如何删除</request>和<request>之间的字符串？

请注意，从<request>到</request>仅仅是一个行，以便

代码：

awk '/<request>/ , /<\/request>/' test.txt

不起作用。

我的目的是在名称为“q”（LOL和LOL2）的情况下提取值。因此，如果这可以轻松完成，我不会为删除垃圾角色而烦恼。

谢谢你的时间。

来源

2012-01-05 Ian McGrath

为什么不是乱码解析XML先筛选？ – 2012-01-05 11:42:18

如何过滤？我无法更改打印此XML的模块。所以我拥有的是一个带有垃圾字符的文件。 – 2012-01-05 11:43:44

您可以提取使用LXML和XPath数据以下词组

import lxml 
from lxml import etree 
source_xml = " path to your xml file" 
et = etree.parse(source_xml) 
value = et.xpath("//document/request/pair[name='q']/value/text()") 
print " ".join(value)

这个我试过用你给定的XML样品和我的输出是'LOL LOL2'

来源

2012-01-05 11:58:00 RanRag

[etree lxml教程]（http://lxml.de/tutorial.html） – RanRag 2012-01-05 12:22:04

我终于设法安装了lxml，但在“etree.parse”行中出现错误？（文件内容与示例中相同）。请帮忙。非常新的Python转换。 – 2012-01-05 12:32:17

好的，尝试这样做 - 在文件的开头添加''标签，而不是在文件末尾添加''标签。可能是这可以帮助 – RanRag 2012-01-05 12:34:09

这工作，但它可能不是最有效的方法要做到这一点：

>>> f = open('x.txt','r') 
>>> z = ["%s</request>" % x.split('</request>')[0] for x in f.readlines()]

来源

2012-01-05 12:09:37

这会让你回来的文件，包括行分隔符，没有任何垃圾字符。（注：“同向”的语句就是Python 2.6+，对于以前的版本只开放（），然后.close（）文件）

import re 
clean = '' 
with open('x.txt','r') as f: 
    clean = "".join([ line[:re.search('<\/request>',line).end()] for line in f ])

来源

2012-01-05 12:22:19

正则表达式FTW !,谢谢 – 2012-01-05 12:32:52

删除行中的垃圾字符/ python中强大的XML解析器

回答

相关问题