我当前的任务是从XSD文件中获取信息(字段类型、字段名称等)。我的XSD文件如下所示:
<?xml version="1.0" encoding="UTF-8"?>
<!-- edited with XMLSpy v2018 rel. 2 sp1 (x64) (http://www.altova.com) by test (123321) -->
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema" elementFormDefault="qualified" attributeFormDefault="unqualified">
<xs:complexType name="attribute">
<xs:annotation>
<xs:documentation>Атрибуты ОГХ</xs:documentation>
</xs:annotation>
<xs:sequence>
<xs:element name="owner_id">
<xs:annotation>
<xs:documentation>Данные о балансодержателе</xs:documentation>
</xs:annotation>
<xs:complexType>
<xs:sequence>
<xs:element name="legal_person" type="xs:integer">
<xs:annotation>
<xs:documentation>ID балансодержателя</xs:documentation>
</xs:annotation>
</xs:element>
</xs:sequence>
</xs:complexType>
</xs:element>
<xs:element name="snow_clean_area" type="xs:double">
<xs:annotation>
<xs:documentation>Площадь вывоза снега, кв. м</xs:documentation>
</xs:annotation>
</xs:element>
</xs:sequence>
</xs:complexType>
</xs:schema>
正如我们所看到的,有一些字段<xs:element>与其他<xs:element>内部(嵌套)。
我需要获取XSD中所有元素的名称。但如果一个元素在另一个元素中,我需要将名称写为";all_prev_names;cur_name";。对于我之前展示的XSD,它将是:
"owner_id;legal_person"
"snow_clean_area"
若要进行更多嵌套,名称必须包含以前的所有名称。
我写了那个代码:
def recursive(xml, name=None):
res = xml.find_all('xs:element')
if res:
for elem in res:
if name:
yield from recursive(elem, elem['name'] + ';' + name)
else:
yield from recursive(elem, elem['name'])
else:
if name:
yield (name)
else:
yield (xml['name'])
但是存在路径重复的问题。该功能的结果将是:
"owner_id;legal_person"
"legal_person"
"snow_clean_area"
我需要修复那个代码,或者获得另一个想法,如何解决那个任务。
如果你想处理任何XSD,这将是一个非常艰巨的挑战,因为XSD作者有很多不同的方法可以让你变得困难——类型限制和扩展、替换组、命名模型组和属性组、XSD:import、XSD:define等。另一方面,如果你只需要处理一个模式,那么你就不会这么做了;所以你必须决定允许多少变化。
从已经使用模式处理器处理过的已编译模式中工作通常比从源XSD文件中工作要容易得多,并且将处理许多可以用不同方式编写相同内容的变体。例如,编译后的模式可能会扩展替换组,就好像它是使用xsd:choice
编写的一样。
假设您在python世界中,一种方法是使用Saxon模式处理器将源模式编译为SCM文件(SCM=模式组件模型)。SCM文件仍然是XML,但它是扁平化和规范化的,应用程序更容易从中提取信息。
(我不知道xmlproc是否有API允许您访问编译后的模式——如果有,那将是另一种方法。)
如果您试图生成owner_id;legal_person
之类的路径,请注意,模式可以是递归的,并允许无限嵌套,因此这种方法可能会导致您尝试生成无限路径(可能会因堆栈溢出而失败)。您还需要注意通配符(xs:any
)。
使用xml2xpath.sh从xsd生成xml并获取XPath表达式:xml2xpath.sh -a -f root -d test.xsd
。需要xmlbeans包。
提供的样品并没有开箱即用,但下面的样品做到了。xmlbeans
程序包状态的xsd2inst
实用程序帮助
基于给定的Schema文件生成文档具有给定元素作为根。该工具进行合理的尝试来创建有效的文档,,但这并不总是可能的,因为例如,有些模式没有有效的实例文档可以生产。
给定此XSD
<?xml version="1.0" encoding="UTF-8"?>
<!-- edited with XMLSpy v2018 rel. 2 sp1 (x64) (http://www.altova.com) by test (123321) -->
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema" elementFormDefault="qualified" attributeFormDefault="unqualified">
<xs:element name="root">
<xs:complexType>
<xs:annotation>
<xs:documentation>Атрибуты ОГХ</xs:documentation>
</xs:annotation>
<xs:sequence>
<xs:element name="owner_id">
<xs:annotation>
<xs:documentation>Данные о балансодержателе</xs:documentation>
</xs:annotation>
<xs:complexType>
<xs:sequence>
<xs:element name="legal_person" type="xs:integer">
<xs:annotation>
<xs:documentation>ID балансодержателя</xs:documentation>
</xs:annotation>
</xs:element>
</xs:sequence>
</xs:complexType>
</xs:element>
<xs:element name="snow_clean_area" type="xs:double">
<xs:annotation>
<xs:documentation>Площадь вывоза снега, кв. м</xs:documentation>
</xs:annotation>
</xs:element>
</xs:sequence>
</xs:complexType>
</xs:element>
</xs:schema>
公用事业将返回
xml2xpath.sh -a -f root -d test.xsd
Creating XML instance starting at element root from test.xsd
xml2xpath: find XPath expressions on /tmp/tmp.FJQYKaDZI0
================================================================================ (2021-10-22 16:39:09 -03)
-a ; 'abs_path=1'
-f ; 'tag1=root'
-d
================================================================================ (2021-10-22 16:39:09 -03)
Namespaces: None
================================================================================ (2021-10-22 16:39:09 -03)
Elements to process (build xpath, add prefix) 4
XPath expressions found: 4 (absolute, unique elements, use -r to override)
================================================================================ (2021-10-22 16:39:09 -03)
/root
/root/owner_id
/root/owner_id/legal_person
/root/snow_clean_area
received EXIT, bye!
================================================================================ (2021-10-22 16:39:09 -03)
xmllint
和xpath也可以用于获取name, type
属性,但需要更多的解析
(echo "setrootns"; echo "xpath //xs:element/@*" ; echo "bye") | xmllint --shell test.xsd
/ > setrootns
/ > xpath //xs:element/@*
Object is a Node Set :
Set contains 6 nodes:
1 ATTRIBUTE name
TEXT
content=root
2 ATTRIBUTE name
TEXT
content=owner_id
3 ATTRIBUTE name
TEXT
content=legal_person
4 ATTRIBUTE type
TEXT
content=xs:integer
5 ATTRIBUTE name
TEXT
content=snow_clean_area
6 ATTRIBUTE type
TEXT
content=xs:double
/ > bye
替代
(echo "setrootns"; echo "cat //xs:element/@*" ; echo "bye") | xmllint --shell test.xsd
/ > setrootns
/ > cat //xs:element/@*
-------
name="root"
-------
name="owner_id"
-------
name="legal_person"
-------
type="xs:integer"
-------
name="snow_clean_area"
-------
type="xs:double"
/ > bye
我找到了一个适合我的解决方案。我使用ElementTree.iterparse,而不是BeautifulSoup。然后,在每个元素之后,我保存我的字段,并在标记的末尾,将其保存到我的结构中:
def getXsd(self, typeNumber: int) -> t.List[t.Dict[str, str]]:
paths = []
for elem in self.xsds:
if elem[0] == typeNumber:
events = ("start", "end")
codes = []
type_field = None
for event, elem in ET.iterparse(BytesIO(elem[1].encode("UTF-8")), events=events):
if event == 'start' and elem.tag == '{http://www.w3.org/2001/XMLSchema}element':
codes.append(elem.attrib['name'])
if 'type' in elem.attrib:
type_field = elem.attrib['type']
elif event == 'start' and elem.tag == '{http://www.w3.org/2001/XMLSchema}documentation':
if codes and type_field:
paths.append({'code': "".join([str(item).capitalize() for item in codes[::-1]]),
'type': type_field,
'name': elem.text})
type_field = None
elif event == 'end' and elem.tag == '{http://www.w3.org/2001/XMLSchema}element':
codes.pop()
return paths
结果是:
[{'code': 'Legal_personOwner_id', 'type': 'xs:integer', 'name': 'ID балансодержателя'}, {'code': 'Legal_personCustomer_id', 'type': 'xs:integer', 'name': 'ID заказчика'}, {'code': 'Improvement_object_categoryImprovement_object_category_id', 'type': 'xs:integer', 'name': 'Код категории озеленения'}, {'code': 'Legal_personDepartment_id', 'type': 'xs:integer', 'name': 'ID ведомственного ОИВ'}, {'code': 'Snow_clean_area', 'type': 'xs:double', 'name': 'Площадь вывоза снега, кв. м'}, {'code': 'Reservoir_area', 'type': 'xs:double', 'name': 'Водоемы, кв. м'}]