通过python从XML中删除包含特定子元素的元素

Question

我试图删除整个元素时，它包含某些子元素。我弄清楚了如何和我的代码在小样本文件上工作得很好，但是当我在大文件(超过20Mb)上尝试它时，它只删除了一些元素。如果我在结果上重复运行代码，由于某种原因，它在几次运行后删除了我在第一次运行时期望的所有元素，我猜这只是随机的运气，代码没有在第一时间给出异常或一些错误。

XML示例:

<root>
<element1>
<sub1>
<subsub1>
</subsub1>
</sub1>
<sub2>
<subsub2>
<foo STyp="foo">
<bar>
</bar>
</foo>
</subsub2>
</sub2>
</element1>
</root>

如果包含<foo STyp="foo"></foo>，我想删除整个element1。

代码:

import xml.etree.ElementTree as ET
tree = ET.parse("my.xml")
for root in tree.iter():
for element1 in root:
el = element1.find('foo')
if el is not None:
root.remove(element1)
tree.write('1.xml')

我很困惑它能在更小的文件上工作

Answer 1

fromElement.iter()documentation:

如果在迭代过程中修改了树结构，则结果未定义。

你的问题是你在修改树的同时迭代它的元素。您可以使用XPath来查找所需元素的祖父母元素。然后在其中找到它们的父元素，并从祖父元素中删除父元素。(因为python XML不允许你直接访问父节点)

for grandparent_of_foo in root.findall(".//foo[@STyp='foo']/../../."):
for parent_of_foo in grandparent_of_foo.findall("*/foo[@STyp='foo']/../."):
grandparent_of_foo.remove(parent_of_foo)

对于这个输入:

<root>
<element1>
<sub1>
<subsub1>
<subsub4>
<foo STyp="foo">
</foo>
</subsub4>
</subsub1>
</sub1>
<sub2>
<subsub2>
<foo STyp="foo">
<bar>
</bar>
</foo>
</subsub2>
<subsub3>
<bar>
</bar>
</subsub3>
</sub2>
</element1>
</root>

打印root节点将产生以下结果:

print(ET.tostring(root, encoding='utf-8').decode())

<root>
<element1>
<sub1>
<subsub1>
</subsub1>
</sub1>
<sub2>
<subsub3>
<bar>
</bar>
</subsub3>
</sub2>
</element1>
</root>

您可以在这里查看Xpath语法。