使用 python ElementTree 解析 xml 文件中的未知元素

Question

我希望从一个多用途 xml 文件中提取所有标签名称及其相应的数据。然后将该信息保存到 python 字典中（例如，标签 = 键，数据 = 值）。问题是标签名称和值未知且数量未知。

    <some_root_name>
        <tag_x>bubbles</tag_x>
        <tag_y>car</tag_y>
        <tag...>42</tag...>
    </some_root_name>

我正在使用 ElementTree，可以成功提取根标签，并可以通过引用标签名称来提取值，但无法找到一种方法来简单地迭代标签和数据而不引用标签名称。

任何帮助都会很棒。

谢谢。

Answer 1

from lxml import etree as ET

xmlString = """
    <some_root_name>
        <tag_x>bubbles</tag_x>
        <tag_y>car</tag_y>
        <tag...>42</tag...>
    </some_root_name> """

document = ET.fromstring(xmlString)
for elementtag in document.getiterator():
   print "elementtag name:", elementtag.tag

编辑：
从文件而不是字符串中读取

document = ET.parse("myxmlfile.xml")

Answer 2

>>> import xml.etree.cElementTree as et
>>> xml = """
...    <some_root_name>
...         <tag_x>bubbles</tag_x>
...         <tag_y>car</tag_y>
...         <tag...>42</tag...>
...     </some_root_name>
... """
>>> doc = et.fromstring(xml)
>>> print dict((el.tag, el.text) for el in doc)
{'tag_x': 'bubbles', 'tag_y': 'car', 'tag...': '42'}

如果您确实想要 42 而不是 '42'，则需要更加努力且不太优雅地工作。

Answer 3

您可以使用 xml.sax.handler 解析 XML：

import xml.sax as sax
import xml.sax.handler as saxhandler
import pprint

class TagParser(saxhandler.ContentHandler):
    # http://docs.python.org/library/xml.sax.handler.html#contenthandler-objects
    def __init__(self):
        self.tags = {}
    def startElement(self, name, attrs):
        self.tag = name
    def endElement(self, name):
        if self.tag:
            self.tags[self.tag] = self.data
            self.tag = None
            self.data = None
    def characters(self, content):
        self.data = content

parser = TagParser()
src = '''\
<some_root_name>
    <tag_x>bubbles</tag_x>
    <tag_y>car</tag_y>
    <tag...>42</tag...>
</some_root_name>'''
sax.parseString(src, parser)
pprint.pprint(parser.tags)

产生

{u'tag...': u'42', u'tag_x': u'bubbles', u'tag_y': u'car'}

Answer 4

这可以在 python 中使用 lxml 来完成

from lxml import etree

myxml = """
          <root>
             value
          </root> """

doc = etree.XML(myxml)

d = {}
for element in doc.iter():
      key = element.tag
      value = element.text
      d[key] = value

print d