时间戳

首页 > 解决方案 > 使用 xpath 获取给定相邻节点文本的 XML 节点文本

python - 使用 xpath 获取给定相邻节点文本的 XML 节点文本

问题描述

SO上的几篇文章很有帮助，但我还没有找到一个可以回答这个特定问题的文章。

我正在使用 python3 和 lxml.etree

给定 XML：

<collection xmlns="http://www.loc.gov/MARC21/slim">
<record>
<datafield tag="856" ind1="4" ind2=" ">
<subfield code="y">English</subfield>
<subfield code="s">387115</subfield>
<subfield code="u">
http://some_url/record/1475606/files/COOLPDF-EN.pdf
</subfield>
</datafield>
</record>
</collection>

一个集合包含几百条记录和几十个数据字段（这都是国会图书馆非常神秘的东西）

如果数据字段具有标记 856 并且具有带有文本英语的子字段，我想要节点子字段代码 =“u”处的链接文本。

我试过了：

import lxml.etree as ET
ns = '{http://www.loc.gov/MARC21/slim}'
tree = ET.parse('example.xml')
root = tree.getroot()
eng = root.findall(
    './/{0}datafield[@tag="856"]/[{0}descendant::text="English"]/[{0}following-sibling::code="u"]'.format(ns))
print([e.text for e in eng])

但这只是给了我一个空列表。

任何帮助表示赞赏。

TIA

标签： pythonxmlxpathlxml

解决方案

您的 XPath 存在一些问题。

首先，您不能将谓词( []) 直接放在 a 之后/。

其次，descendant::text选择一个名为text（您的 XML 中没有）的后代元素。同样，following-sibling::code选择的是命名元素code而不是属性。

试试这个：

eng = root.findall('.//{0}datafield[@tag="856"][{0}subfield="English"]/{0}subfield[@code="u"]'.format(ns))

如果您想使用更复杂的 XPath，请xpath()改用。例如，如果您只想检查text 属性值为“y”的subfield元素，您可以这样做（这会导致使用 的无效谓词错误）：codeEnglishfindall()

eng = root.xpath('.//s:datafield[@tag="856"][s:subfield[@code="y"]="English"]/s:subfield[@code="u"]', namespaces=ns)

此外，您处理命名空间的方式没有任何问题，但我发现将前缀映射到命名空间 uri 更容易；特别是当有多个命名空间时。

例子...

ns = {'s': 'http://www.loc.gov/MARC21/slim'}
eng = root.findall('.//s:datafield[@tag="856"][s:subfield="English"]/s:subfield[@code="u"]', namespaces=ns)

推荐阅读