Читать XML с несколькими элементами верхнего уровня, используя Python ElementTree? - PullRequest
Новая
       14

Читать XML с несколькими элементами верхнего уровня, используя Python ElementTree?

3 голосов
/ 22 января 2010

Как я могу прочитать XML-файл, используя Python ElementTree, если в XML есть несколько элементов верхнего уровня?

У меня есть XML-файл, который я хотел бы прочитать, используя Python ElementTree.

К сожалению, у него есть несколько тегов верхнего уровня. Я бы обернул <doc>...</doc> вокруг XML, за исключением того, что я должен поставить <doc> после <?xml> и <!DOCTYPE> полей. Но выяснить, где заканчивается <!DOCTYPE>, нетривиально.

Что у меня есть: 

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE FOO BAR "foo.dtd" [
<!ENTITY ...>
<!ENTITY ...>
<!ENTITY ...>
]>
<ARTICLE> ... </ARTICLE>
<ARTICLE> ... </ARTICLE>
<ARTICLE> ... </ARTICLE>
<ARTICLE> ... </ARTICLE>

Что я хочу: 

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE FOO BAR "foo.dtd" [
<!ENTITY ...>
<!ENTITY ...>
<!ENTITY ...>
]>
<DOC>
<ARTICLE> ... </ARTICLE>
<ARTICLE> ... </ARTICLE>
<ARTICLE> ... </ARTICLE>
<ARTICLE> ... </ARTICLE>
</DOC>

Обратите внимание, что имя тега ARTICLE может измениться, поэтому я не могу найти его.

Может кто-нибудь предложить мне, как я могу добавить вложение <doc>...</doc> после заголовка XML, или предложить другой обходной путь?

1 Ответ

0 голосов
/ 22 января 2010

Я написал следующую функцию для добавления тега верхнего уровня после инструкций обработки XML. Теперь вы можете найти этот код в моей общей библиотеке Python как common.myelementtree.add_toplevel_tag 

import re
xmlprocre = re.compile("(\s*<[\?\!])")
def add_toplevel_tag(string):
    """
After all the XML processing instructions, add an enclosing top-level <DOC> tag, and return it.
e.g.
<?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE FOO BAR "foo.dtd" [ <!ENTITY ...> <!ENTITY ...> <!ENTITY ...> ]> <ARTICLE> ...
</ARTICLE> <ARTICLE> ... </ARTICLE> <ARTICLE> ... </ARTICLE> <ARTICLE> ... </ARTICLE>
=>
<?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE FOO BAR "foo.dtd" [ <!ENTITY ...> <!ENTITY ...> <!ENTITY ...> ]><DOC> <ARTICLE> ...
</ARTICLE> <ARTICLE> ... </ARTICLE> <ARTICLE> ... </ARTICLE> <ARTICLE> ... </ARTICLE></DOC>
"""
    def _advance_proc(string, idx):
        # If possible, advance over whitespace and one processing
        # instruction starting at string index idx, and return its index.
        # If not possible, return None
        # Find the beginning of the processing instruction
        m = xmlprocre.match(string[idx:])
        if m is None: return None
        #print "Group", m.group(1)
        idx = idx + len(m.group(1))
        #print "Remain", string[idx:]

        # Find closing > bracket
        bracketdebt = 1
        while bracketdebt > 0:
            if string[idx] == "<": bracketdebt += 1
            elif string[idx] == ">": bracketdebt -= 1
            idx += 1
        #print "Remain", string[idx:]
        return idx
    loc = 0
    while 1:
        # Advance one processing instruction
        newloc = _advance_proc(string, loc)
        if newloc is None: break
        else: loc = newloc
    return string[:loc] + "<DOC>" + string[loc:] + "</DOC>"
...