phân tích cú pháp tệp xml lớn bằng lỗi Python - etree.parse

Question

Cố gắng phân tích cú pháp tệp Python sau bằng cách sử dụng hàm lxml.etree.iterparse.

"sampleoutput.xml"

<item> 
    <title>Item 1</title> 
    <desc>Description 1</desc> 
</item> 
<item> 
    <title>Item 2</title> 
    <desc>Description 2</desc> 
</item> 

Tôi đã thử các mã từ Parsing Large XML file with Python lxml and Iterparse

trước etree.iterparse (myfile) gọi tôi đã làm myfile = open ("/ Users/eric/Desktop/wikipedia_map /sampleoutput.xml","r ")

Nhưng nó quay lên các lỗi sau

Traceback (most recent call last): 
    File "/Users/eric/Documents/Programming/Eclipse_Workspace/wikipedia_mapper/testscraper.py", line 6, in <module> 
    for event, elem in context : 
    File "iterparse.pxi", line 491, in lxml.etree.iterparse.__next__ (src/lxml/lxml.etree.c:98565) 
    File "iterparse.pxi", line 543, in lxml.etree.iterparse._read_more_events (src/lxml/lxml.etree.c:99086) 
    File "parser.pxi", line 590, in lxml.etree._raiseParseError (src/lxml/lxml.etree.c:74712) 
lxml.etree.XMLSyntaxError: Extra content at the end of the document, line 5, column 1 

bất kỳ ý tưởng nào? cảm ơn bạn!

Answer 1

Vấn đề là XML không được định dạng đúng nếu nó không có chính xác một thẻ cấp cao nhất. Bạn có thể sửa mẫu của mình bằng cách gói toàn bộ tài liệu trong các thẻ <items></items>. Bạn cũng cần các thẻ <desc/> để khớp với truy vấn bạn đang sử dụng (description).

Các tài liệu sau đây tạo ra kết quả đúng với mã hiện tại của bạn:

<items> 
    <item> 
    <title>Item 1</title> 
    <description>Description 1</description> 
    </item> 
    <item> 
    <title>Item 2</title> 
    <description>Description 2</description> 
    </item> 
</items> 

Answer 2

Theo như tôi biết, xml.etree.ElementTree thường mong đợi tệp XML chứa một phần tử "gốc", nghĩa là một thẻ XML bao quanh cấu trúc tài liệu hoàn chỉnh. Từ thông báo lỗi bạn đã đăng, tôi giả định rằng đây cũng là vấn đề ở đây:

'Dòng 5' là thẻ thứ hai <item>, vì vậy tôi đoán Python có nhiều dữ liệu hơn sau phần tử gốc được giả định (tức là thẻ <item> đầu tiên) đã bị đóng.