我有一個這樣的 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>我需要在元素之間沒有空格的 head 元素中獲取數據，如下所示：<version>1.0</version><project>hello, world</project><date>2020-08-15</date>然后散列它?，F在，我必須進行一些字符串操作才能將其合并為一行：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()有沒有更簡單的方法來做到這一點？Powershell XML 對象有一個簡單的 InnerXML 屬性，它為您提供一個元素中沒有空格的 XML 作為字符串。Python 是否有一種方法可以使這更容易？
3 回答
精慕HU
TA貢獻1845條經驗 獲得超8個贊
下面（不使用任何外部庫 - 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)
輸入.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>
輸出
<version>1.0</version><project>hello, world</project><date>2020-08-15</date>
開滿天機
TA貢獻1786條經驗 獲得超13個贊
如果您可以使用外部庫，BeautifulSoup 在這方面做得很好。
https://www.crummy.com/software/BeautifulSoup/bs4/doc/#making-the-soup
這是您的文檔的示例。
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(' ','')
這將返回 head 標簽的子標簽的內容，并去除換行符和空格。
紅糖糍粑
TA貢獻1815條經驗 獲得超6個贊
每種方法都可能有問題。有的方法還會刪除有用的空格，有的方法在節點有屬性的時候就麻煩了。所以我會給你第三種方法。這也可能是一種不完美的方法:)
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
結果：
<version>1.0</version><project>hello, world</project><date>2020-08-15</date>
添加回答
舉報
0/150
提交
取消