web-dev-qa-db-ja.com

Python minidomを使用してXMLを読み取り、各ノードを反復する

次のようなXML構造がありますが、はるかに大規模です。

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

これには、次のコードを使用しました。

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

ただし、印刷される著者テキストは「なし」です。以下のようなバリエーションをいじってみましたが、プログラムが壊れてしまいます。

authortext=a[0].nodeValue

正しい出力は次のようになります。

1
Bob
Nigel
2
Alice
Mary

しかし、私が得るものは：

1
None
None
2
None
None

この問題に取り組む方法について何か提案はありますか？

pythonxmlparsingminidom
24
GobiasKoffi

authortextはタイプ1（ELEMENT_NODE）、通常はTEXT_NODE文字列を取得します。これは動作します

a.childNodes[0].nodeValue
24
SilentGhost

要素ノードにはnodeValueがありません。それらの中のテキストノードを見る必要があります。内部に常に1つのテキストノードがあることがわかっている場合は、element.firstChild.dataと言うことができます（データはテキストノードのnodeValueと同じです）。

注意：テキストコンテンツがない場合、子のTextノードはなく、element.firstChildがnullになるため、.dataアクセスが失敗します。

直接の子テキストノードのコンテンツを取得する簡単な方法：

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

DOM Level 3 Coreでは、要素内から再帰的にテキストを取得するために使用できるtextContentプロパティを取得しますが、minidomはこれをサポートしていません（他のPython DOM実装では、 ）。

6
bobince

迅速なアクセス：

node.getElementsByTagName('author')[0].childNodes[0].nodeValue
2
Priyabrata

著者ごとに常に1つのテキストデータ値があるため、element.firstChild.dataを使用できます。

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
1
Swadhikar C

私は少し遊んでみましたが、これが私が働かなければならないものです：

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

出力につながる：

 C：\ temp\py> xml2.py 
 1 
ボブ
ナイジェル
 2 
アリス
メアリー

内側のテキストを取得するためにchildNodeにアクセスする必要がある理由を正確に説明することはできませんが、少なくともそれがあなたが探していたものです。

0
Mark Rushakoff