使用minidom从子节点检索值

Question

我是XML的新手，我试图从子节点

检索值

from xml.dom import minidom
def Get_ExtList(progName):
    progFile='%s.xml'%progName
    xmldoc = minidom.parse(progFile)
    extList=[]
    rootNode=xmldoc.firstChild
    progNode=rootNode.childNodes[1]
    for fileNodes in progNode.childNodes:
        newList=[]      
        for formatNodes in fileNodes.childNodes:        
            for nodes in formatNodes.childNodes:
                x=nodes.toxml()
                x=' '.join(x.split())
                newList.append(str(x))
        extList.append(newList)     
    print extList

输出:

[[], [‘.aaa'], [], [‘.bbb'], [], [‘.ccc'], [], [‘.ddd'], [], [‘.xxx', ‘.yyy'], []]

但我想要的东西如下

[[‘.aaa'], [‘.bbb'],[‘.ccc’],[‘.ddd'],[‘.xxx', ‘.yyy']]

下面是一个示例文件:

<?xml version="1.0" ?>
<program>
  <progname name="TEST">
    <file>
      <format>
        .aaa
      </format>
    </file>
    <file>
      <format>
        .bbb
      </format>
    </file>
    <file>
      <format>
        .ccc
      </format>
    </file>
    <file>
      <format>
        .ddd
      </format>
    </file>
    <file>
      <format>
        .xxx
      </format>
      <format>
        .yyy
      </format>
    </file>
  </progname>
</program>

Answer 1

您不仅通过包含<file>标记(ELEMENT_NODE节点类型)的节点循环，而且还通过缩进空白(TEXT_NODE节点类型)。例如在这个元素中:

<a>
  <b>c</b>
</a>

有三个元素:

• TEXT_NODE，值为n__(空格用_表示)
• ELEMENT_NODE with value <b>c</b>
• TEXT_NODE with value n

如果这个文件的格式不同:<a><b>c</b></a>，那么里面就只有一个ELEMENT_NODE。

你可以跳过这些节点:

for fileNodes in progNode.childNodes:    
    if fileNodes.nodeType != fileNodes.ELEMENT_NODE:    
        continue

或检查newList是否为正确的节点创建，并仅为ELEMENT_NODE添加其内容:

    if fileNodes.nodeType == fileNodes.ELEMENT_NODE:    
        extList.append(newList)         

否则你会得到空列表[]追加

Answer 2

在这种情况下，您可以尝试处理列表并删除空元素:

>>> list = [[], ['.inp'], [], ['.mdp'], [], ['.xtc'], [], ['.top'], [], ['.gro', '.pdb'], []]
>>> for i in list:
...   if not i:
...     list.remove(i)
... 
>>> list
[['.inp'], ['.mdp'], ['.xtc'], ['.top'], ['.gro', '.pdb']]

Answer 3

DOM节点可以是元素、文本甚至是注释。还要注意，toxml不应该用于提取文本内容。相反，使用文本节点的.data属性:

for nodes in formatNodes.childNodes:
    if node.nodeType == node.ELEMENT_NODE:
        tns =(tn.data for tn in node.childNodes if tn.nodeType == node.TEXT_NODE)
        newList.append(''.join(tns).strip())