我如何映射到字典而不是列表？

Question

我有以下函数，它执行将 lxml 对象映射到字典的基本工作...

from lxml import etree 

tree = etree.parse('file.xml')
root = tree.getroot()

def xml_to_dict(el):
    d={}
    if el.text:
        print '***write tag as string'
        d[el.tag] = el.text
    else:
        d[el.tag] = {}
    children = el.getchildren()
    if children:
        d[el.tag] = map(xml_to_dict, children)
    return d

    v = xml_to_dict(root)

目前它给了我....

>>>print v
{'root': [{'a': '1'}, {'a': [{'b': '2'}, {'b': '2'}]}, {'aa': '1a'}]}

但我想....

>>>print v
{'root': {'a': ['1', {'b': [2, 2]}], 'aa': '1a'}}

我如何重写函数 xml_to_dict(el)这样我就可以得到所需的输出？

为了清楚起见，这是我正在解析的 xml。

<root>
    <a>1</a>
    <a>
        <b>2</b>
        <b>2</b>
    </a>
    <aa>1a</aa>
</root>

谢谢 ：）

Answer 1

嗯，map() 将始终返回一个列表，因此简单的答案是“不要使用map()”。相反，您可以像现在一样构建一个字典，方法是循环 children 并将 xml_to_dict(child) 的结果分配给您要使用的字典键。看起来您想使用标签作为键，并将值作为带有该标签的项目列表，因此它会变成这样

import collections
from lxml import etree

tree = etree.parse('file.xml')
root = tree.getroot()

def xml_to_dict(el):
    d={}
    if el.text:
        print '***write tag as string'
        d[el.tag] = el.text
    child_dicts = collections.defaultdict(list)
    for child in el.getchildren():
        child_dicts[child.tag].append(xml_to_dict(child))
    if child_dicts:
        d[el.tag] = child_dicts
    return d

xml_to_dict(root)

：如果您出于某种原因想要一个普通的字典，请使用 d[el.tag] = dict(child_dicts)。请注意，像以前一样，如果标签同时具有文本和子项，则文本将不会出现在字典中。您可能需要为您的字典考虑不同的布局来应对这种情况。

编辑：

在重新表述的问题中生成输出的代码不会在 xml_to_dict 中递归 - 因为您只需要外部元素的字典，而不是所有子标签的字典。所以，你会使用类似的东西：

import collections
from lxml import etree

tree = etree.parse('file.xml')
root = tree.getroot()

def xml_to_item(el):
    if el.text:
        print '***write tag as string'
        item = el.text
    child_dicts = collections.defaultdict(list)
    for child in el.getchildren():
        child_dicts[child.tag].append(xml_to_item(child))
    return dict(child_dicts) or item

def xml_to_dict(el):
    return {el.tag: xml_to_item(el)}

print xml_to_dict(root)

这仍然不能正常处理带有文本和子元素的标签，并且它将 collections.defaultdict(list) 变成一个普通的字典，所以输出是（几乎）如您所料：（

***write tag as string
***write tag as string
***write tag as string
***write tag as string
***write tag as string
***write tag as string
{'root': {'a': ['1', {'b': ['2', '2']}], 'aa': ['1a']}}

如果您确实想要整数而不是 b 标记中的文本数据的字符串，则必须以某种方式显式地将它们转换为整数。）

Answer 2

更简单：

from lxml import etree    
def recursive_dict(element):
    return element.tag, dict(map(recursive_dict, element)) or element.text

要使用它：

   >> tree = etree.parse(file_name)
   >> recursive_dict(tree.getroot())
   ('root', {'tag1': text, 'tag2': subtag21: {tag211: text}})

编辑：问题示例的输出：

('root', {'a': {'b': '2'}, 'aa': '1a'})

看起来 etree 会跳过重复的元素。