Python - 使用 ElementTree 对 XML 文件进行数据分析

Question

这将

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！

Answer 1

我相信

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。