Cách xóa các phần tử khỏi XML bằng cách sử dụng Python

Question

Tôi bị kẹt với XML và Python. Nhiệm vụ rất đơn giản nhưng tôi không thể giải quyết nó cho đến nay và chi tiêu trong thời gian dài đó. Tôi đến đây để được tư vấn cách giải quyết nó bằng vài dòng.

Cảm ơn bạn đã trợ giúp với việc vượt qua cây. Tôi luôn luôn kết thúc với quá nhiều hoặc quá ít yếu tố. Các yếu tố có thể được lồng nhau mà không có giới hạn. Ví dụ được đưa ra chỉ là một ví dụ. Tôi sẽ chấp nhận bất kỳ giải pháp, không kén chọn về dom, minidom, sax, bất cứ điều gì ..

Tôi có một tập tin XML tương tự như thế này:

<root> 
    <elm> 
     <elm>Common content</elm> 

     <elm xmlns="http://example.org/ns"> 
      <elm lang="en">Content EN</elm> 
      <elm lang="cs">žluťoučký koníček</elm> 
     </elm> 

     <elm xml:id="abc123">Common content</elm> 

     <elm lang="en">Content EN</elm> 
     <elm lang="cs">Content CS</elm> 

     <elm lang="en"> 
      <elm>Content EN</elm> 
      <elm>Content EN</elm> 
     </elm> 

     <elm lang="cs"> 
      <elm>Content CS</elm> 
      <elm>Content CS</elm> 
     </elm> 
    </elm> 
</root> 

Những gì tôi cần - phân tích cú pháp XML và viết mới tập tin. Tệp mới phải chứa tất cả các phần tử cho ngôn ngữ và phần tử đã cho mà không có thuộc tính lang.

Đối với ngôn ngữ "cs" các tập tin đầu ra nên containt này:

<root> 
    <elm> 
     <elm>Common content</elm> 

     <elm xmlns="http://example.org/ns"> 
      <elm lang="cs">žluťoučký koníček</elm> 
     </elm> 

     <elm xml:id="abc123">Common content</elm> 

     <elm lang="cs">Content CS</elm> 

     <elm lang="cs"> 
      <elm>Content CS</elm> 
      <elm>Content CS</elm> 
     </elm> 
    </elm> 
</root> 

Nếu bạn có thể làm cho nó để bỏ qua các thuộc tính lang trong file mới, thậm chí tốt hơn. Nhưng điều đó không quan trọng.

UPDATE1: Đã thêm các ký tự unicode và thuộc tính không gian tên.

CẬP NHẬT 2: Sử dụng Python 2.5, thư viện chuẩn được ưu tiên.

Answer 1

Sử dụng lxml:

import lxml.etree as le 

with open('doc.xml','r') as f: 
    doc=le.parse(f) 
    for elem in doc.xpath('//*[attribute::lang]'): 
     if elem.attrib['lang']=='en': 
      elem.attrib.pop('lang') 
     else: 
      parent=elem.getparent() 
      parent.remove(elem) 
    print(le.tostring(doc)) 

sản lượng

<root> 
    <elm>Common content</elm> 

    <elm> 
     <elm>Content EN</elm> 
     </elm> 

    <elm>Common content</elm> 

    <elm>Content EN</elm> 
    <elm> 
     <elm>Content EN</elm> 
     <elm>Content EN</elm> 
    </elm> 

    </root> 

Answer 2

Tôi không chắc cách tốt nhất để xóa thuộc tính lang, nhưng đây là một số mã thực hiện các thay đổi khác (Python 2.7; cho 2.5 hoặc 2.6, sử dụng getIterator thay vì iter), giả sử khi bạn xóa phần tử cũng luôn muốn xóa mọi thứ có trong phần tử đó.

Mã này chỉ cần in kết quả đầu ra tiêu chuẩn (bạn có thể chuyển hướng nó như bạn muốn, tất nhiên, hoặc trực tiếp ghi nó vào một số tập tin mới, và vân vân):

import sys 
from xml.etree import cElementTree as et 

def picklang(path, lang='en'): 
    tr = et.parse(path) 
    for element in tr.iter(): 
     for subelement in element: 
      la = subelement.get('lang') 
      if la is not None and la != lang: 
       element.remove(subelement) 
    return tr 

if __name__ == '__main__': 
    tr = picklang('la.xml') 
    tr.write(sys.stdout) 
    print 

Với la.xml là của bạn Ví dụ, đây viết

<root> 
    <elm>Common content</elm> 

    <elm> 
     <elm lang="en">Content EN</elm> 
     </elm> 

    <elm>Common content</elm> 

    <elm lang="en">Content EN</elm> 
    <elm lang="en"> 
     <elm>Content EN</elm> 
     <elm>Content EN</elm> 
    </elm> 

    </root> 

Answer 3

cập nhật mã @ Alex Martelli để loại bỏ một lỗi ở đâu trong danh sách phần tử được cập nhật tại chỗ. Giải pháp trên sẽ trả lời sai nếu đầu vào phức tạp hơn một chút.

import sys 
from xml.etree import cElementTree as et 

def picklang(path, lang='en'): 
    tr = et.parse(path) 
    for element in tr.iter(): 
     for subelement in element[:]: 
      la = subelement.get('lang') 

      if la is not None and la != lang: 
       element.remove(subelement) 
    return tr 

if __name__ == '__main__': 
    tr = picklang('la.xml') 
    tr.write(sys.stdout) 
    print 

Mã trong dòng 7 for subelement in element: được thay đổi để for subelement in element[:]: vì nó là không chính xác để cập nhật danh sách tại chỗ trong khi iterating trên nó.

Mã này lặp qua bản sao danh sách phần tử và xóa các phần tử khi lang! = "Vi" trong danh sách phần tử gốc.