web-dev-qa-db-ja.com

python-lxmlタグ名で要素の子を取得する方法？

次のようなxmlファイルがあります。

<page>
    <title>title1</title>
    <subtitle>subtitle</subtitle>
    <ns>0</ns>
    <id>1</id>
    <text>hello world!@</text>
</page>
<page>
    <title>title2</title>
    <ns>0</ns>
    <id>1</id>
    <text>hello world</text>
</page>

各ページのテキストを取得するにはどうすればよいですか？現在、各ページのリストがあります。次のコードは、2番目のページ要素のテキストを印刷しますが、最初のページは印刷しません。 element['text']のようなタグ名で子要素を取得する方法はありますか

for i in pages:
    print i[3]
pythonlxml
6
johan dekker

次のようなコードを書くことができます：

from lxml import html

xml = """<page>
    <title>title1</title>
    <subtitle>subtitle</subtitle>
    <ns>0</ns>
    <id>1</id>
    <text>hello world!@</text>
</page>
<page>
    <title>title2</title>
    <ns>0</ns>
    <id>1</id>
    <text>hello world</text>
</page>"""

root = html.fromstring(xml)
print(root.xpath('//page/text/text()'))

結果は次のようになります：

['hello world!@', 'hello world']
5
Satish Garg

問題を簡単にするために、dictを返す「Node」ヘルパークラスを使用しています。

class Node():
    @staticmethod
    def childTexts(node):
        texts={}
        for child in list(node):
            texts[child.tag]=child.text
        return texts

使用例：

xml = """<pages>
<page>
    <title>title1</title>
    <subtitle>subtitle</subtitle>
    <ns>0</ns>
    <id>1</id>
    <text>hello world!@</text>
</page>
<page>
    <title>title2</title>
    <ns>0</ns>
    <id>1</id>
    <text>hello world</text>
</page>
</pages>

"""

root = etree.fromstring(xml)
for node in root.xpath('//page'):
    texts=Node.childTexts(node)
    print (texts)

結果：

{'title': 'title1', 'subtitle': 'subtitle', 'ns': '0', 'id': '1', 'text': 'hello world!@'}
{'title': 'title2', 'ns': '0', 'id': '1', 'text': 'hello world'}
1
Wolfgang Fahl

このチュートリアル は同様のタスクを支援してくれました：

各反復は、「id」または「text」という名前のタグを見つけます。タグが見つからない場合は、文字列 'None'を返します。次に、1回の反復の結果がリストに追加され、そのリストをデータフレームと同様の形式で印刷できます。

import lxml
import lxml.etree as ET

# Initialise a list to append results to
list_of_results = []

# Loop through the pages to search for text
for page in root:
    id = page.findtext('id', default = 'None')
    text = page.findtext('text', default = 'None')
    list_of_results.append([id, text])

# Print list
list_of_results

結果：

[['1', 'hello world!@'], ['1', 'hello world']]

テキストを印刷するだけの場合は、id行を削除するだけです。

0
mj_whales