使用 Python minidom 读取 XML 并迭代每个节点

Question

我有一个如下所示的 XML 结构，但规模更大：

<root>
    <conference name='1'>
        <author>
            Bob
        </author>
        <author>
            Nigel
        </author>
    </conference>
    <conference name='2'>
        <author>
            Alice
        </author>
        <author>
            Mary
        </author>
    </conference>
</root>

为此，我使用了以下代码：

dom = parse(filepath)
conference=dom.getElementsByTagName('conference')
for node in conference:
    conf_name=node.getAttribute('name')
    print conf_name
    alist=node.getElementsByTagName('author')
    for a in alist:
        authortext= a.nodeValue
        print authortext

但是，打印出来的作者文本是“None”。我尝试使用如下所示的变体，但这会导致我的程序崩溃。

authortext=a[0].nodeValue

正确的输出应该是：

1
Bob
Nigel
2
Alice
Mary

但我得到的是：

1
None
None
2
None
None

关于如何解决这个问题的任何建议？

Answer 1

您的 authortext 属于类型 1 (ELEMENT_NODE)，通常您需要有 TEXT_NODE 才能获取字符串。这会起作用

a.childNodes[0].nodeValue

Answer 2

元素节点没有nodeValue。您必须查看其中的文本节点。如果您知道内部始终有一个文本节点，您可以说 element.firstChild.data （数据与文本节点的 nodeValue 相同）。

注意：如果没有文本内容，则不会有子 Text 节点，element.firstChild 将为 null，导致 .data 访问失败。

获取直接子文本节点内容的快速方法：

text= ''.join(child.data for child in element.childNodes if child.nodeType==child.TEXT_NODE)

在 DOM Level 3 Core 中，您可以获得 textContent 属性，您可以使用该属性以递归方式从 Element 内部获取文本，但 minidom 不支持此功能（某些其他 Python DOM 实现也是如此）。

Answer 3

快速访问：

node.getElementsByTagName('author')[0].childNodes[0].nodeValue

Answer 4

由于每个作者始终有一个文本数据值，因此可以使用 element.firstChild.data

dom = parseString(document)
conferences = dom.getElementsByTagName("conference")

# Each conference here is a node
for conference in conferences:
    conference_name = conference.getAttribute("name")
    print 
    print conference_name.upper() + " - "

    authors = conference.getElementsByTagName("author")
    for author in authors:
        print "  ", author.firstChild.data
    # for

    print

Answer 5

我玩了一下，这就是我要做的工作：

# ...
authortext= a.childNodes[0].nodeValue
print authortext

导致输出：

C:\temp\py>xml2.py
1
Bob
Nigel
2
Alice
Mary

我无法确切地告诉你为什么必须访问 childNode 才能获取内部文本，但至少这就是你想要的。