Python et libxml2: comment itérer dans les noeuds xml avec XPATH

Question

J'ai un problème avec la récupération des informations d'un arbre XML.

Mon XML a cette forme:

<?xml version="1.0"?> 
<records xmlns="http://www.mysyte.com/foo"> 
    <record> 
    <id>first</id> 
    <name>john</name> 
    <papers> 
     <paper>john_1</paper> 
     <paper>john_2</paper> 
    </papers> 
    </record> 
    <record> 
    <id>second</id> 
    <name>mike</name> 
    <papers> 
     <paper>mike_a</paper> 
     <paper>mike_b</paper> 
    </papers> 
    </record> 
    <record> 
    <id>third</id> 
    <name>albert</name> 
    <papers> 
     <paper>paper of al</paper> 
     <paper>other paper</paper> 
    </papers> 
    </record> 
</records> 

Ce que je veux faire est d'extraire tuples de données telles que le suivi:

[{'code': 'first', 'name': 'john'}, 
{'code': 'second', 'name': 'mike'}, 
{'code': 'third', 'name': 'albert'}] 

Maintenant, je l'ai écrit ce code python:

try: 
    doc = libxml2.parseDoc(xml) 
except (libxml2.parserError, TypeError): 
    print "Problems loading XML" 

ctxt = doc.xpathNewContext() 
ctxt.xpathRegisterNs("pre", "http://www.mysyte.com/foo") 

record_nodes = ctxt.xpathEval('/pre:records/pre:record') 

for record_node in record_nodes: 
    id = record_node.xpathEval('id')[0].content 
    name = record_node.xpathEval('name')[0].content 
    ret_list.append({'code': id, 'name': name}) 

Mon problème est que je n'ai aucun résultat et j'ai l'impression de faire quelque chose de mal avec le XPATH w Quand je itére sur les noeuds.

J'ai aussi essayé avec ces XPath pour l'identifiant et le nom:

/id 
/name 
/record/id 
/record/name 
/pre:id 
/pre:name 

et ainsi de suite, mais avec un résultat (BTW si j'utilise le préfixe dans les requêtes sous-je une erreur).

Une idée?

Answer 1

Voici une suggestion. Notez la méthode setContextNode():

import libxml2 

xml = "test.xml" 
doc = libxml2.parseFile(xml) 

ctxt = doc.xpathNewContext() 
ctxt.xpathRegisterNs("pre","http://www.mysyte.com/foo") 

ret_list = [] 
record_nodes = ctxt.xpathEval('/pre:records/pre:record') 

for node in record_nodes: 
    ctxt.setContextNode(node) 
    _id = ctxt.xpathEval('pre:id')[0].content 
    name = ctxt.xpathEval('pre:name')[0].content 
    ret_list.append({'code': _id, 'name': name}) 

print ret_list 

Answer 2

S'il est possible de passer à lxml, voici une façon il pourrait être fait:

import lxml.etree as le 
root=le.XML(content) 
result=[] 
namespaces={'pre':'http://www.mysyte.com/foo'} 
for record in root: 
    id=record.xpath('pre:id',namespaces=namespaces)[0] 
    name=record.xpath('pre:name',namespaces=namespaces)[0] 
    result.append({'code':id.text,'name':name.text}) 
print(result) 
# [{'code': 'first', 'name': 'john'}, {'code': 'second', 'name': 'mike'}, {'code': 'third', 'name': 'albert'}] 

bâtiment hors de Dimitre Novatchev's XPath expression, vous pouvez le faire:

id_name_nodes = iter(ctxt.xpathEval('/pre:records/pre:record/*[self::pre:id or self::pre:name]')) 

ret_list=[] 
for id,name in zip(id_name_nodes,id_name_nodes): 
    ret_list.append({'code':id.content,'name':name.content}) 
print(ret_list) 

Ce code libxml2, repose sur chaque enregistrement ayant un identifiant et un nom. Si un id ou name est manquant, le ret_list associera le mauvais ID et nom, échouant silencieusement. Dans la même circonstance, le code lxml déclencherait une erreur.

Answer 3

Vous pouvez sélectionner tous les éléments dont vous avez besoin avec une seule expression XPath: Ensuite, il suffit processus

/pre:records/pre:record/*[self::pre:id or self::pre:name] 

les noeuds sélectionnés en python.

Answer 4

libxslt ne dispose pas d'un tel soutien important d'espace de noms pour une raison quelconque, mais nous pouvons pré-analyser le fichier xml, namespaces pré-lecture de celui-ci, puis appelez xsltproc avec les espaces de noms

def xpath(xml, xpathexpression): 
    f=open(xml) 
    fcontent = f.read() 
    f.close() 

    doc=libxml2.parseFile(xml) 
    xp = doc.xpathNewContext() 
    for nsdeclaration in re.findall('xmlns:*\w*="[^"]*"', fcontent): 
     m = re.match('xmlns:(\w+)=.*', nsdeclaration) 
     if m: 
      ns = m.group(1) 
     else: 
      ns = "default" 
     url = nsdeclaration[nsdeclaration.find('"')+1:nsdeclaration.rfind('"')] 
     xp.xpathRegisterNs(ns, url) 
    a=xp.xpathEval(xpathexpression) 
    if len(a): 
     return a[0].content 
    return ""