时间戳

首页 > 解决方案 > 如何（手动）编辑元素树的xml格式

python - 如何（手动）编辑元素树的xml格式

问题描述

假设我有 2 个这样的 XML 文件：

版本1.xml：

<object>
    <name>boat</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <bndbox>
        <xmin>0</xmin>
        <ymin>434</ymin>
        <xmax>152</xmax>
        <ymax>504</ymax>
    </bndbox>
</object>

版本2.xml：

<object><name>boat</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>0</xmin><ymin>434</ymin><xmax>152</xmax><ymax>504</ymax></bndbox></object>

它们之间的唯一区别是使第一个更易于阅读的空格。我试图找到如何将第二种格式转换为第一种格式。

我知道我可以使用一些解决方法，比如使用这个GitHub gist中的这个函数（我在其他场合也有）：

from xml.dom import minidom
from xml.etree import ElementTree


def prettify(elem):
    """
    Return a pretty-printed XML string for the Element.
    """
    rough_string = ElementTree.tostring(elem, 'utf-8')
    reparsed = minidom.parseString(rough_string)
    return reparsed.toprettyxml(indent='  ')

但我不是在寻找这个（我的需要涉及部分格式化的 XML，它不能与上述功能完美配合）。

如果我检查每个元素的文本差异，我会得到：

import xml.etree.ElementTree as ET

xml_path1 = 'path/to/version1.xml'
xml_path2 = 'path/to/version2.xml'
tree1 = ET.parse(xml_path1)
annot1 = tree1.getroot()
tree2 = ET.parse(xml_path2)
annot2 = tree2.getroot()

for elem1, elem2 in zip(annot1.iter(), annot2.iter()):
    if repr(elem1.text) != repr(elem2.text):
        print(elem1, repr(elem1.text), elem2, repr(elem2.text))

输出：

<Element 'object' at 0x7fb26fc2d9f8> '\n\t' <Element 'object' at 0x7fb1c4e4da48> None
<Element 'bndbox' at 0x7fb1c4e4d8b8> '\n\t\t' <Element 'bndbox' at 0x7fb1c4e4dbd8> None

如果我将指定的文本更改为相应的 version1 文本，当然，它确实将格式更改为受影响的元素，但它。

ET.dump(annot2)

输出：

<object>
    <name>boat</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox>
        <xmin>0</xmin><ymin>434</ymin><xmax>152</xmax><ymax>504</ymax></bndbox></object>

期望的输出当然是：

ET.dump(annot1)

输出：

<object>
    <name>boat</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <bndbox>
        <xmin>0</xmin>
        <ymin>434</ymin>
        <xmax>152</xmax>
        <ymax>504</ymax>
    </bndbox>
</object>

那么，格式的处理是什么？我知道它实际上并不会影响 XML 的内容（机器认为内容与我认为的相同），但 Element Tree 保存这些信息的位置让我难以理解。

标签： pythonelementtree

解决方案

缺少的空格在Element.tail（docs）中。

生成输出时，ElementTree 打印开始元素、内容、结束元素，然后是尾部。

这是格式化子树的技巧（并保留文档的其余部分）：

  1. 使用上面的技巧漂亮地打印子树
  2. 转换为字符串
  3. "\n"在字符串中替换为"\n" + (" "*level)wherelevel是子树的深度。
  4. 将带有 ETree 的字符串解析为文档，并将子树替换为新文档的根元素。

或者，您可以通过将子树包装在level包装器元素中来创建一个新文档，漂亮地打印整个文档，然后再次找到子树。

推荐阅读