如何在python中正确解析xml注释?

2022-03-15 00:00:00 python xml parsing comments

问题描述

我最近一直在使用Python,我想从给定的XML文件中提取信息。问题是,信息存储得非常糟糕,采用这样的格式

<Content>
   <tags>
   ....
   </tags>
<![CDATA["string1"; "string2"; ....
]]>
</Content>

我不能在这里发布全部数据,因为它大约有20.000行。 我只想收到包含["字符串1","字符串2",.]的列表。这是我到目前为止一直在使用的代码:

import xml.etree.ElementTree as ET

tree = ET.parse(xmlfile)
for node in tree.iter('Content'):
    print (node.text)
但是,我的输出为NONE。我如何接收评论数据?(再次声明,我使用的是Python)


解决方案

您需要创建基于SAX的解析器,而不是基于DOM的解析器。尤其是像您这样大的文档。

基于SAX的解析器要求您编写自己的数据存储控制逻辑。这比简单地将其加载到DOM中要复杂得多,但是因为它是逐行加载而不是一次加载整个文档,所以速度要快得多。这使它的优势在于,它可以使用注释处理像您这样奇怪的情况。

在生成处理程序时,您可能希望在解析器中使用LexicalHandler来提取这些注释。

我想给您一个关于如何构建它的工作示例,但是我已经很久没有亲自做过了。网上有很多关于如何构建基于SAX的解析器的指南,并且将把讨论推迟到另一个主题。

相关文章