如何使用 Python 迭代 XML 来测试子节点是否存在（使用 xml.dom.minidom）

Question

我正在使用 Python 和 xml.dom.minidom 来迭代导出的 Excel 电子表格，通过对 .write 的各种调用为我们的餐厅菜单输出 HTML 表。困难在于 Excel 输出的 XML 不是结构化的。为了弥补这一点，我设置了许多变量（day、previousDay、meal 等），当我遇到具有我正在测试的 nodeValue 的子节点时，这些变量就会被设置。我有一堆 if 语句来确定何时启动一个新表（一周中的每一天）或一个新行（当 day != previousDay 时）等等。

不过，我很难弄清楚如何忽略特定节点。有一些节点从 Excel 获取输出，我需要忽略这些节点，我可以根据它们具有特定值的子节点来执行此操作，但我不知道如何实现它。

基本上，我的主 for 循环中需要以下 if 语句：

for node in dome.getElementsByTagName('data'):  
    if node contains childNode with nodeValue == 'test':
        do something

Answer 1

我的快速倾向是使用一个带有 get-out-of-node-free-card （嗯，例外）的嵌套 for 循环，如下所示。

Class BadNodeException (Exception):
pass
for node in dome.getElementsByTagName('data'):
try:  
    for child in node.childNodes:
        if child.nodeValue == 'test':
           raise BadNodeException
    ## process node as normal
except BadNodeException:
    pass

Answer 2

您必须使用 xml.dom.minidom 吗？因为这正是 XPath 擅长的事情。例如，使用 lxml.etree 可以找到您想要的所有元素：

my_elements = document.xpath("//data[not(*[.='test'])]")

W3C 的 DOM 确实很难用于解决现实世界的问题，因为它不包含诸如属性返回之类的简单内容一个元素的值。 （XPath 声明一个元素的值是连接在一起的所有子文本节点，这就是上述模式起作用的原因。）

您需要为此类事情实现一个辅助函数，例如：

def element_text(e):
  return "".join(t.nodeValue for t in e.childNodes if t.nodeType == Node.TEXT_NODE)

这使得构建过滤功能，例如：

def element_is_of_interest(e):
   return not any((c for c in e.childNodes if element_text(c) == "test"))

并获取如下元素：

my_elements = filter(element_is_of_interest, d.getElementsByTagName("data"))

Answer 3

您是否考虑过使用 SAX 解析器？ Sax 解析器按照节点出现的顺序（深度优先）处理 XML 树结构，并允许您在解析节点值时对其进行处理。

xml.sax.XmlReader