Вставить родительский элемент в XML не работает должным образом - PullRequest
0 голосов
/ 26 апреля 2020

Я пытаюсь вставить родительский элемент (new_line) в файл XML, если существует определенное расстояние между значениями атрибутов узла и его предыдущего элемента. Например:

<pages>
 <page>
  <textbox>
   <textline>
   <new_line>
    <text> a </text>
    <text> b </text>
   </new_line>
   <new_line>
    <text> c </text>
   </new_line>
   </textline>
   <textline>
   <new_line>
    <text> d </text>
   </new_line>
  </textbox>
  <textbox>
   <textline>
   <new_line>
    <text> e </text>
    <text> f </text>
    </new_line>
   </textline>
  </textbox>
 </page>
</pages>

Однако это не работает должным образом, так как независимо от расстояния он берет последний элемент text и вставляет его в следующий элемент new_line, даже если он не должно.

Примерно так:

<pages>
 <page>
  <textbox>
   <textline>
   <new_line>
    <text> a </text>
    <text> b </text>
   </new_line>
   </textline>
   <textline>
   <new_line>
    <text> c </text>
    <text> d </text>
   </new_line>
  </textbox>
  <textbox>
   <textline>
   <new_line>
    <text> e </text>
    <text> f </text>
    </new_line>
   </textline>
  </textbox>
 </page>
</pages>

Что может быть не так в моем коде?

import lxml.etree as etree

parser = etree.XMLParser(remove_blank_text=True)
tree = etree.parse('fe3.xml', parser)
root = tree.getroot()

# Get the first BBox value as float
# Return null if not found
def getBBoxFirstValue(line):
    if line is not None:
        bb = line.attrib.get('bbox')
        if bb is not None:
            try:
                return float(bb.split(",")[0])
            except ValueError:
                pass
    return None


new_line        = None
previous_bb     = None

for x in tree.xpath('//text'):
    # Get current bb value
    bb = getBBoxFirstValue(x)
    # Check current and past values aren't empty
    if bb is not None and previous_bb is not None:
        #print(bb, previous_bb, (bb-previous_bb))
        #print(abs(bb-previous_bb))
        # If distance with preview bb > 10
        if (bb - previous_bb) > 20 or -50 <= (bb - previous_bb) <= -300:
            # If new_line isn't empty: it's inserted into parent tag at position of current tag

            if new_line is not None:
                x.getparent().insert(x.getparent().index(x), new_line)
            # A new "new_line" element is created
            new_line = etree.Element("new_line")

        # If the new line isn't not (e.g. one distance > 10 has been already found)
        if new_line is not None:
            new_line.append(x)

    # Keep latest non empty BBox 1st value
    if bb is not None:
        previous_bb = bb

# Add last new_line element if not null
if new_line is not None:
    tree.xpath('//text')[-1].getparent().append(new_line)


newtree = etree.tostring(root, encoding='utf-8', pretty_print=True)
#newtree = newtree.decode("UTF-8")
print(newtree)
with open("outputprova.xml", "wb") as f:
    f.write(newtree)

Входной файл: ссылка

Выходной файл: ссылка

Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...