是一个很长的问题,因为我的问题非常具体,需要一些解释,所以很抱歉。
我有一个包含多个"spreekbeurten"的XML文件。我想从 spreekbeurten 获取所有文本,问题是有些 spreekbeurten 没有"al-group",而有些有。 (有关 xml 文件的示例部分,请参阅下面的代码(
<handelingen>
<spreekbeurt nieuw="ja">
<spreker>
<voorvoegsels>De heer</voorvoegsels>
<naam>
<achternaam>Recourt</achternaam>
</naam> (<politiek>PvdA</politiek>):</spreker>
<tekst status="goed">
<al-groep>
<al>Much</al>
<al>Very</al>
<al>Hungry</al>
<al>I am</al>
<al>Hello.</al>
</al-groep>
</tekst>
</spreekbeurt>
<spreekbeurt nieuw="nee">
<spreker>
<voorvoegsels>De heer</voorvoegsels>
<naam>
<achternaam>Van Raak</achternaam>
</naam> (<politiek>SP</politiek>):</spreker>
<tekst status="goed">
<al>Just one word</al>
</tekst>
</spreekbeurt>
</handelingen>
我想获得他的"voorvoegsel"和"achternaaam"以及演讲者的相应文本。为此,我编写了以下代码:
def extractingText(filepath):
#Checking the size to keep empty files (size = 0 bytes) out!
statsinfo = os.stat(filepath)
if int(statsinfo.st_size) == 0:
return None
tree = ET.parse(filepath)
root = tree.getroot()
#Hiermee kijken we naar handelingen (het gedeelte waar de gesproken stukken in staan)
for handelingen in root.iter('handelingen'):
spreekbeurt = []
#Hiermee kijken we naar alle spreekbeuten van de personen
for spreekbeurt in handelingen.iter('spreekbeurt'):
achternaam = spreekbeurt.find('spreker/naam/achternaam').text
voorvoegsel = spreekbeurt.find('spreker/voorvoegsels').text
#Defining what the text is, sometimes it is withn an al-group and sometimes it isn't
text = spreekbeurt.find('tekst/al-groep/al') #<- TO FIX I SUPPOSE I NEED TO ADD A FOR LOOP HERE?
if text == None:
text = spreekbeurt.find('tekst/al')
#Zoals je ziet heb ik nu voor alle spreekbeurten een text gevonden
print text.text
return None
问题是,如果"spreekbeurt"包含一个"al-group",我只会得到第一个"al",这是在示例"Much"中,而不是所有其他单词。我如何确保如果"spreekbeurt"包含 我选择"al"语句中的所有文本,而不仅仅是第一个?
提前感谢!
你的答案就在xml.etree.ElementTree.Element.findall中。然后,您将结果放入列表中,并检查列表是否为无元素。