Python：在xml中，如何删除父节点中的节点

Question

我有一个非常大的XML，我需要从删除一些特定的节点在另一个节点。 例如我有一个列表，其中包含应该出现在xml中的节点的名称。因此，除了这些节点之外，父节点中的所有其他节点都应该被删除并写入新的xml文件。

我只需要删除节点，即“实例”，其中第一个“数据”元素不等于出现在我的名单，我会提供一个值。其余的xml信息，即'描述'，'符号'标签不应该被打扰。

假设：我已经解析了应该从外部文件读取到python列表变量的数据。

DOM或SAX任何人都可以。但我相信DOM非常快。 对于任何BIF的可用或逻辑的任何提示对我来说也是很好的。

注意：我是Python新手。所以请评论我的代码中是否有任何错误。

我下面的代码：

from xml.etree.ElementTree import ElementTree 
tree = ElementTree() 
tree.parse('Test.xml') 

file = open("File.txt") 

list = [] 

for lines in file: 
    list.append(lines) 

Instance = tree.findall('Instance') 
for i in Instance: 
    while (i != list[i]): 
     Instance.remove(i) 

tree.write('new.xml') 

下面是示例XML文件：

<?xml version='1.0' encoding='UTF-8'?> 
<Identification> 
<Description ID="12">Some text</Description> 
</Identification> 
<Symbols> 
    <Name Width="1">abc</Name> 
    <Name Width="2">def</Name> 
</Symbols> 

<Instance RowRef="A"> 
    <DataSet> 
    <Data>12345678</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
</Instance> 
<Instance RowRef="B"> 
    <DataSet> 
    <Data>87654321</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
</Instance> 
<Instance RowRef="C"> 
    <DataSet> 
    <Data>06354237/Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 

Answer 1

您是数点的困惑。

第一个，您提供的xml缺少根标记。您的XML文件看起来应该更喜欢这个（其中Root可以与任何标签更换是必要的）：

<?xml version='1.0' encoding='UTF-8'?> 
<Root> 
<Identification> 
<Description ID="12">Some text</Description> 
</Identification> 
<Symbols> 
    <Name Width="1">abc</Name> 
    <Name Width="2">def</Name> 
</Symbols> 

<Instance RowRef="A"> 
    <DataSet> 
    <Data>12345678</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
</Instance> 
<Instance RowRef="B"> 
    <DataSet> 
    <Data>87654321</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
</Instance> 
<Instance RowRef="C"> 
    <DataSet> 
    <Data>06354237</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
</Instance> 
</Root> 

二，如果您担心速度，可以考虑使用cElementTree代替ElementTree：

>>> import xml.etree.cElementTree as ET # use cElementTree for faster processing 

三，你需要一个名称分配给ET.parse方法的结果，或者你就没有办法以后引用它：

>>> tree = ET.parse('Test.xml') 

四，现在你需要找到树的根你会发现所有的树的Instance元素之前：

>>> root = tree.getroot() # now get the root 
>>> keeper_data = ['06354237', '87654321'] # your list that you will apparently get from a file? 
>>> instances = root.findall('Instance') 

现在，你需要找到Instance元件，其Data值表明，应该删除Instance元素：

第五个，您需要检查文本是否是第一个Data元素在你的门将名单，并第六，你从rootremove你的元素（或任何父恰好是），而不是从instances：

>>> for instance in instances: 
     data1 = instance.find('./DataSet/Data') 
     if data1.text not in keeper_data: 
      # NOTE WELL: I remove from the root (not the instance) below! 
      root.remove(instance) 

现在写信给你的新的XML文件：

>>> tree.write('New.xml') 

你生成的XML文件看起来像这样：

<Root> 
<Identification> 
    <Description ID="12">Some text</Description> 
</Identification> 
<Symbols> 
    <Name Width="1">abc</Name> 
    <Name Width="2">def</Name> 
</Symbols> 
<Instance RowRef="B"> 
    <DataSet> 
    <Data>87654321</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    </Instance> 
    <Instance RowRef="C"> 
    <DataSet> 
    <Data>06354237</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    <DataSet> 
    <Data>abcd</Data> 
    </DataSet> 
    </Instance> 
</Root> 

不e实例的值为12345678的数据元素和其他keeper_data元素均未被省略。