次のようなXMLファイルがあります。
<encspot>
<file>
<Name>some filename.mp3</Name>
<Encoder>Gogo (after 3.0)</Encoder>
<Bitrate>131</Bitrate>
<Mode>joint stereo</Mode>
<Length>00:02:43</Length>
<Size>5,236,644</Size>
<Frame>no</Frame>
<Quality>good</Quality>
<Freq.>44100</Freq.>
<Frames>6255</Frames>
..... and so forth ......
</file>
<file>....</file>
</encspot>
私はそれをpythonオブジェクト、辞書のリストのようなものに読みたいと思います。マークアップは完全に修正されているので、正規表現を使いたくなります(私はそれらを使うのが得意です) 。しかし、私はここで正規表現を簡単に回避する方法を誰かが知っているかどうかを確認するつもりだと思ったが、SAXまたは他の構文解析の経験はあまりないが、学ぶつもりだ。
Pythonで正規表現を使用せずにこれがどのようにすばやく行われるかを示すのを楽しみにしています。ご協力いただきありがとうございます!
正規表現がこれよりも簡単だと思うなら、私の最愛のSDチャージャーの帽子はあなたにはありません。
#!/usr/bin/env python
import xml.etree.cElementTree as et
sxml="""
<encspot>
<file>
<Name>some filename.mp3</Name>
<Encoder>Gogo (after 3.0)</Encoder>
<Bitrate>131</Bitrate>
</file>
<file>
<Name>another filename.mp3</Name>
<Encoder>iTunes</Encoder>
<Bitrate>128</Bitrate>
</file>
</encspot>
"""
tree=et.fromstring(sxml)
for el in tree.findall('file'):
print '-------------------'
for ch in el.getchildren():
print '{:>15}: {:<30}'.format(ch.tag, ch.text)
print "\nan alternate way:"
el=tree.find('file[2]/Name') # xpath
print '{:>15}: {:<30}'.format(el.tag, el.text)
出力:
-------------------
Name: some filename.mp3
Encoder: Gogo (after 3.0)
Bitrate: 131
-------------------
Name: another filename.mp3
Encoder: iTunes
Bitrate: 128
an alternate way:
Name: another filename.mp3
正規表現への魅力が簡潔である場合、データ構造を作成するための、同様に理解できないリストの理解のビットを次に示します。
[(ch.tag,ch.text) for e in tree.findall('file') for ch in e.getchildren()]
これにより、<file>
のXML子のタプルのリストがドキュメント順に作成されます。
[('Name', 'some filename.mp3'),
('Encoder', 'Gogo (after 3.0)'),
('Bitrate', '131'),
('Name', 'another filename.mp3'),
('Encoder', 'iTunes'),
('Bitrate', '128')]
もう数行ともう少し考えれば、明らかに、ElementTreeを使用してXMLから必要なデータ構造を作成できます。 Pythonディストリビューションの一部です。
編集
コードゴルフが始まりました!
[{item.tag: item.text for item in ch} for ch in tree.findall('file')]
[ {'Bitrate': '131',
'Name': 'some filename.mp3',
'Encoder': 'Gogo (after 3.0)'},
{'Bitrate': '128',
'Name': 'another filename.mp3',
'Encoder': 'iTunes'}]
XMLにfile
セクションしかない場合は、ゴルフを選択できます。 XMLに他のタグ、他のセクションがある場合、子が存在するセクションを説明する必要があり、findall
を使用する必要があります
ElementTreeに関するチュートリアルがあります Effbot.org
ElementTree を使用します。 pyexpat
のような解析のみのガジェットをいじくり回す必要はありません/したくないので、ElementTreeを部分的かつ不十分に再発明するだけです。
別の可能性は lxml です。これは、ElementTreeインターフェースなどを実装するサードパーティパッケージです。
Update誰かがコードゴルフを始めました。これが私のエントリです。これは、実際に要求したデータ構造を作成します。
# xs = """<encspot> etc etc </encspot"""
>>> import xml.etree.cElementTree as et
>>> from pprint import pprint as pp
>>> pp([dict((attr.tag, attr.text) for attr in el) for el in et.fromstring(xs)])
[{'Bitrate': '131',
'Encoder': 'Gogo (after 3.0)',
'Frame': 'no',
'Frames': '6255',
'Freq.': '44100',
'Length': '00:02:43',
'Mode': 'joint stereo',
'Name': 'some filename.mp3',
'Quality': 'good',
'Size': '5,236,644'},
{'Bitrate': '0', 'Name': 'foo.mp3'}]
>>>
おそらく、「属性」名を変換関数にマッピングするdictが必要です。
converters = {
'Frames': int,
'Size': lambda x: int(x.replace(',', '')),
# etc
}
また、XMLドキュメントとPythonデータ構造、 GolangのXMLライブラリ に似たデータ構造に似たデータ構造を使用してデータを変換する方法を簡単に指定できる方法を探しています。データ構造からXMLへのマッピング。
私はPython用のそのようなライブラリを見つけることができなかったので、宣言的なXML処理のために declxml と呼ばれる私のニーズを満たすライブラリを作成しました。
Declxmlでは、XMLドキュメントの構造を宣言的に定義するprocessorsを作成します。プロセッサは、解析とシリアル化、および検証の基本レベルを実行するために使用されます。
このXMLデータをdeclxmlで辞書のリストに解析するのは簡単です
import declxml as xml
xml_string = """
<encspot>
<file>
<Name>some filename.mp3</Name>
<Encoder>Gogo (after 3.0)</Encoder>
<Bitrate>131</Bitrate>
</file>
<file>
<Name>another filename.mp3</Name>
<Encoder>iTunes</Encoder>
<Bitrate>128</Bitrate>
</file>
</encspot>
"""
processor = xml.dictionary('encspot', [
xml.array(xml.dictionary('file', [
xml.string('Name'),
xml.string('Encoder'),
xml.integer('Bitrate')
]), alias='files')
])
xml.parse_from_string(processor, xml_string)
次の結果を生成します
{'files': [
{'Bitrate': 131, 'Encoder': 'Gogo (after 3.0)', 'Name': 'some filename.mp3'},
{'Bitrate': 128, 'Encoder': 'iTunes', 'Name': 'another filename.mp3'}
]}
辞書ではなくオブジェクトにデータを解析したいですか?あなたもそれをすることができます
import declxml as xml
class AudioFile:
def __init__(self):
self.name = None
self.encoder = None
self.bit_rate = None
def __repr__(self):
return 'AudioFile(name={}, encoder={}, bit_rate={})'.format(
self.name, self.encoder, self.bit_rate)
processor = xml.array(xml.user_object('file', AudioFile, [
xml.string('Name', alias='name'),
xml.string('Encoder', alias='encoder'),
xml.integer('Bitrate', alias='bit_rate')
]), nested='encspot')
xml.parse_from_string(processor, xml_string)
出力を生成するもの
[AudioFile(name=some filename.mp3, encoder=Gogo (after 3.0), bit_rate=131),
AudioFile(name=another filename.mp3, encoder=iTunes, bit_rate=128)]
このコードは 私の先生のGithub からのものです。 XML文字列をPythonオブジェクトに変換します。このアプローチの利点は、どのXMLでも機能することです。
ロジックを実装します。
def xml2py(node):
"""
convert xml to python object
node: xml.etree.ElementTree object
"""
name = node.tag
pytype = type(name, (object, ), {})
pyobj = pytype()
for attr in node.attrib.keys():
setattr(pyobj, attr, node.get(attr))
if node.text and node.text != '' and node.text != ' ' and node.text != '\n':
setattr(pyobj, 'text', node.text)
for cn in node:
if not hasattr(pyobj, cn.tag):
setattr(pyobj, cn.tag, [])
getattr(pyobj, cn.tag).append(xml2py(cn))
return pyobj
データを定義します。
xml_str = '''<?xml version="1.0" encoding="UTF-8"?>
<menza>
<date day="Monday">
<meal name="Potato flat cakes">
<ingredient name="potatoes"/>
<ingredient name="flour"/>
<ingredient name="eggs"/>
</meal>
<meal name="Pancakes">
<ingredient name="milk"/>
<ingredient name="flour"/>
<ingredient name="eggs"/>
</meal>
</date>
</menza>'''
XMLからオブジェクトを読み込む:
import xml.etree.ElementTree as ET
menza_xml_tree = ET.fromstring(xml_str)
obj = xml2py(menza_xml_tree)
テスト:
for date in obj.date:
print(date.day)
for meal in date.meal:
print('\t', meal.name)
for ingredient in meal.ingredient:
print('\t\t', ingredient.name)
XMLをオブジェクトに変換する静的関数がある場合は、次のようになります。
@classmethod
def from_xml(self,xml_str):
#create XML Element
root = ET.fromstring(xml_str)
# create a dict from it
d = {ch.tag: ch.text for ch in root.getchildren()}
# return the object, created with **kwargs called from the Class, that's why its classmethod
return self(**d)