Как вставить родительский узел в XML через Python? - PullRequest
Новая
       21

Как вставить родительский узел в XML через Python?

0 голосов
/ 14 апреля 2020

У меня есть файл XML с такой структурой, и я хочу вставлять тег «newline» каждый раз, когда в координатах есть определенное расстояние (например, здесь, в файле они все разные) при условии: 

 <?xml version="1.0" encoding="utf-8"?>
<pages>
    <page id="1" bbox="0.000,0.000,462.047,680.315" rotate="0">
        <textbox id="0" bbox="179.739,592.028,261.007,604.510">
            <textline bbox="179.739,592.028,261.007,604.510">
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">C</text>
                <text font="NUMPTY+ImprintMTnum-it"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.333">A</text>
                <text font="NUMPTY+ImprintMTnum-it"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.333">P</text>
                <text font="NUMPTY+ImprintMTnum-it"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.333">I</text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">T</text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">O</text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">L</text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">O</text>
                <text></text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">I</text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">I</text>
                <text font="NUMPTY+ImprintMTnum"  bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">I</text>
                <text></text>
            </textline>
        </textbox>
    </page>
</pages>

Однако, мой код не работает как дерево, которое я напечатал, я не нахожу никаких следов новой строки. Следует обернуть текстовый тег до следующего, например: 

<newline><text></text></newline><newline><text></text></newline>

et c.

Код: 

import xml.etree.ElementTree as ET
import lxml.etree as etree
tree = ET.parse("fe2.xml")
root = tree.getroot()
node = ET.Element('newline')


for child in root.iter():
    if child.tag == 'text':
        #print(child.tag, child.attrib.items())
        for name, value in child.attrib.items():
                if name == 'bbox':
                        value = tuple(value.split(","))
                        x1 = float(value[0])
                        x2 = float(value[2])
                        distance = x2 - x1
                        if distance > 10:
                                root.insert(3, node)
                                xml_str = ET.tostring(root, encoding='unicode')
                                print(xml_str)

Как я могу сделать эту работу?

1 Ответ

1 голос
/ 14 апреля 2020

Для выполнения вашей задачи проще использовать l xml вместо ElementTree . Поэтому я использовал следующий импорт: 

import lxml.etree as etree
from lxml.builder import E

Второй импорт обеспечивает фабрику новых элементов.

Чтобы упростить идентификацию элементов, я немного изменил значения чисел c в исходном файле. (дробные части после 191. ).

Чтобы получить красивую печать с новыми строками, я читаю исходный файл следующим образом: 

parser = etree.XMLParser(remove_blank_text=True)
tree = etree.parse('input.xml', parser)
root = tree.getroot()

Чтобы обернуть последовательность "хороших" элементов в одном символе новой строки , действуйте следующим образом:

  1. Определите функцию для удаления элемента из родителя по его индексу и вернуть этот элемент: 

    def removeByIdx(parent, idx):
    currElem = parent[idx]   # The indicated element
    parent.remove(currElem)  # Remove it from the parent
    return currElem          # Return the index and element

  2. Определить функцию для переноса дочерних элементов строки (родитель) с заданными индексами в newline element: 

    def wrap(line, idxList):
    if len(idxList) == 0:
        return    # No elements to wrap
    # Take the first element from the original location
    idx = idxList.pop(0)     # Index of the first element
    elem = removeByIdx(line, idx) # The indicated element
    # Create "newline" element with "elem" inside
    nElem = E.newline(elem)
    line.insert(idx, nElem)  # Put it in place of "elem"
    while len(idxList) > 0:  # Process the rest of index list
        # Value not used, but must be removed
        idxList.pop(0) 
        # Remove the current element from the original location
        currElem = removeByIdx(line, idx + 1)
        nElem.append(currElem)  # Append it to "newline"

  3. После прочтения исходного XML дерева выполните: 

    for line in root.iter('textline'):
    idxList = []
    for elem in line:
        bbox = elem.attrib.get('bbox')
        if bbox is not None:
            tbl = bbox.split(',')
            distance = float(tbl[2]) - float(tbl[0])
        else:
            distance = 100  # "Too big" value
        if distance < 10:
            par = elem.getparent()
            idx = par.index(elem)
            idxList.append(idx)
        else:  # "Wrong" element, wrap elements "gathered" so far
            wrap(line, idxList)
            idxList = []
    # Process "good" elements without any "bad" after them, if any
    wrap(line, idxList)

Тогда я распечатал дерево результатов: 

print(etree.tostring(root, encoding='unicode', pretty_print=True))

получив: 

<pages>
  <page id="1" bbox="0.000,0.000,462.047,680.315" rotate="0">
    <textbox id="0" bbox="179.739,592.028,261.007,604.510">
      <textline bbox="179.739,592.028,261.007,604.510">
        <newline>
          <text font="NUMPTY+ImprintMTnum" bbox="191.740,592.218,199.339,603.578" ncolour="0" size="12.482">C</text>
          <text font="NUMPTY+ImprintMTnum-it" bbox="191.741,592.218,199.339,603.578" ncolour="0" size="12.333">A</text>
          <text font="NUMPTY+ImprintMTnum-it" bbox="191.742,592.218,199.339,603.578" ncolour="0" size="12.333">P</text>
          <text font="NUMPTY+ImprintMTnum-it" bbox="191.743,592.218,199.339,603.578" ncolour="0" size="12.333">I</text>
          <text font="NUMPTY+ImprintMTnum" bbox="191.744,592.218,199.339,603.578" ncolour="0" size="12.482">T</text>
          <text font="NUMPTY+ImprintMTnum" bbox="191.745,592.218,199.339,603.578" ncolour="0" size="12.482">O</text>
          <text font="NUMPTY+ImprintMTnum" bbox="191.746,592.218,199.339,603.578" ncolour="0" size="12.482">L</text>
          <text font="NUMPTY+ImprintMTnum" bbox="191.747,592.218,199.339,603.578" ncolour="0" size="12.482">O</text>
        </newline>
        <text/>
        <newline>
          <text font="NUMPTY+ImprintMTnum" bbox="191.748,592.218,199.339,603.578" ncolour="0" size="12.482">I</text>
          <text font="NUMPTY+ImprintMTnum" bbox="191.749,592.218,199.339,603.578" ncolour="0" size="12.482">I</text>
          <text font="NUMPTY+ImprintMTnum" bbox="191.750,592.218,199.339,603.578" ncolour="0" size="12.482">I</text>
        </newline>
        <text/>
      </textline>
    </textbox>
  </page>
</pages>
Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.

Похожие темы

...