Использование XPath в Python с LXML

У меня есть скрипт python, используемый для анализа XML и экспорта в файл csv определенных интересующих элементов. Я попытался теперь изменить сценарий, чтобы разрешить фильтрацию XML-файла в соответствии с критериями, эквивалентный запрос XPath будет:

\DC\Events\Confirmation[contains(TransactionId,"GTEREVIEW")]

Когда я пытаюсь использовать lxml для этого, мой код выглядит так:

xml_file = lxml.etree.parse(xml_file_path)
namespace = "{" + xml_file.getroot().nsmap[None] + "}"
node_list = xml_file.findall(namespace + "Events/" + namespace + "Confirmation[TransactionId='*GTEREVIEW*']")

Но, похоже, это не работает. Кто-нибудь может помочь? Пример файла XML:

<Events>
  <Confirmation>
    <TransactionId>GTEREVIEW2012</TransactionId>
  </Confirmation>    
  <Confirmation>
    <TransactionId>GTEDEF2012</TransactionId>
  </Confirmation>    
</Events>

Поэтому мне нужны все узлы «Подтверждение», которые содержат идентификатор транзакции, который включает строку «GTEREVIEW». Спасибо


python xml contains xpath lxml
person naiminp    schedule 15.11.2016    source источник
comment
где ваш xml файл?   -  person SomeDude    schedule 15.11.2016
comment
Я обновил вопрос.   -  person naiminp    schedule 16.11.2016

Ответы (1)


arrow_upward
6
arrow_downward

findall() не поддерживает выражения XPath, только ElementPath (см. https://web.archive.org/web/20200504162744/http://effbot.org/zone/element-xpath.htm). ElementPath не поддерживает поиск элементов, содержащих определенную строку.

Почему вы не используете XPath? Предполагая, что файл test.xml содержит ваш образец XML, работает следующее:

> python
Python 2.7.9 (default, Jun 29 2016, 13:08:31) 
[GCC 4.9.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.

>>> from lxml import etree
>>> tree=etree.parse("test.xml")
>>> tree.xpath("Confirmation[starts-with(TransactionId, 'GTEREVIEW')]")
[<Element Confirmation at 0x7f68b16c3c20>]

Если вы настаиваете на использовании findall(), лучшее, что вы можете сделать, это получить список всех Confirmation элементов, имеющих TransactionId дочерний узел:

>>> tree.findall("Confirmation[TransactionId]")
[<Element Confirmation at 0x7f68b16c3c20>, <Element Confirmation at 0x7f68b16c3ea8>]

Затем вам нужно отфильтровать этот список вручную, например:

>>> [e for e in tree.findall("Confirmation[TransactionId]")
     if e[0].text.startswith('GTEREVIEW')]
[<Element Confirmation at 0x7f68b16c3c20>]

Если ваш документ содержит пространства имен, следующее даст вам все Confirmation элементы, имеющие TransactionId дочерний узел, при условии, что элементы используют пространство имен по умолчанию (я использовал xmlns="file:xyz" в качестве пространства имен по умолчанию):

>>> tree.findall("//{{{0}}}Confirmation[{{{0}}}TransactionId]".format(tree.getroot().nsmap[None]))
[<Element {file:xyz}Confirmation at 0x7f534a85d1b8>, <Element {file:xyz}Confirmation at 0x7f534a85d128>]

И, конечно же, etree.ETXPath:

>>> find=etree.ETXPath("//{{{0}}}Confirmation[starts-with({{{0}}}TransactionId, 'GTEREVIEW')]".format(tree.getroot().nsmap[None]))
>>> find(tree)
[<Element {file:xyz}Confirmation at 0x7f534a85d1b8>]

Это позволяет комбинировать XPath и пространства имен.

person Markus    schedule 16.11.2016
comment
Большое спасибо за ответ! К сожалению, в моем документе задействовано пространство имен, в результате которого Xpath возвращает пустой список. После удаления пространства имен из файла код работает. Это можно обойти? По сути, файл начинается с ‹DC xmlns = tradefinder.db.com/Schemas/MEL/CapitaHorizon_0_9_2 .xsd xmlns: xs = w3.org/2001/XMLSchema ›И заканчивается с ‹/DC› - person naiminp; 16.11.2016
comment
Так и думал. Тогда вы все еще можете использовать второй подход с findall(). Вам просто нужно выполнить фильтрацию возвращенного списка узлов. - person Markus; 16.11.2016