刪除了過多的元素之間的多個XML元素

Question

我有一些XML看起來像下面這樣：

<FirstLevel> 
    <item1>Val1</item1> 
    <item2>Val2</item2> 
    <item3>Val3</item3> 
    <item4>Val4</item4> 
    <item5>Val5</item5> 
</FirstLevel> 

使用Python，我想刪除item1和item5之間的所有項目，而不必明確的名字，得到結果如下：

<FirstLevel> 
    <item1>Val1</item1> 
    <item5>Val5</item5> 
</FirstLevel> 

隨着lxml，我知道如何找到item1和item5，所以我只需要知道如何建立某種形式的XML元素的列表它們是T之間這兩個。

Answer 1

感謝alecxe，我找到了解決方案。如果我們有多個item1-item5元素的實例（請參閱我對他的答案的評論以便更好地理解），他的回答對於所描述的案例完全適用，但不起作用（即使是他的更新）。

無論如何，我發現了另一種解決方案（我認爲這是更簡單，更符合Python）：

from lxml.etree import fromstring, tostring 

data = """<FirstLevel> 
    <item1>Val1</item1> 
    <item2>Val2</item2> 
    <item3>Val3</item3> 
    <item4>Val4</item4> 
    <item5>Val5</item5> 
    <item1>Val1</item1> 
    <item2>Val2</item2> 
    <item3>Val3</item3> 
    <item4>Val4</item4> 
    <item5>Val5</item5> 
</FirstLevel> 
""" 

tree = fromstring(data) 

item1_list = tree.findall("item1") 

for item1 in item1_list: 
    next_node = item1.getnext() 
    while next_node.tag != "item5": 
     tree.remove(next_node) 
     next_node = item1.getnext() 

print(tostring(tree)) 

---

還有一個從alecxe評論這對我的作品來了一個解決方案：

從lxml.etree import fromstring，tostring

data = """<FirstLevel> 
    <item1>Val1</item1> 
    <item2>Val2</item2> 
    <item3>Val3</item3> 
    <item4>Val4</item4> 
    <item5>Val5</item5> 
    <item1>Val1</item1> 
    <item2>Val2</item2> 
    <item3>Val3</item3> 
    <item4>Val4</item4> 
    <item5>Val5</item5> 
    <item1>Val1</item1> 
    <item2>Val2</item2> 
    <item3>Val3</item3> 
    <item4>Val4</item4> 
    <item5>Val5</item5> 
</FirstLevel> 
""" 

tree = fromstring(data) 
node_start = "item1" 
node_end = "item5" 

parent = tree.xpath("//FirstLevel")[0] 
# Remove first section 
for node in parent.xpath("*[(preceding-sibling::item1)[1] and (following-sibling::item5)[3]]"): 
    parent.remove(node) 
# Remove second section 
for node in parent.xpath("*[(preceding-sibling::item1)[2] and (following-sibling::item5)[2]]"): 
    parent.remove(node) 
# Remove last section 
for node in parent.xpath("*[(preceding-sibling::item1)[3] and (following-sibling::item5)[last()]]"): 
    parent.remove(node) 

print(tostring(tree)) 

我找到了正確的索引來把我n preceding-和following-sibling通過嘗試多個值，但仍然沒有真正得到它的邏輯，但它至少對我有效。

Answer 2

您可以使用preceding-sibling和following-sibling，例如組合：

from lxml.etree import fromstring, tostring 

data = """<FirstLevel> 
    <item1>Val1</item1> 
    <item2>Val2</item2> 
    <item3>Val3</item3> 
    <item4>Val4</item4> 
    <item5>Val5</item5> 
</FirstLevel> 
""" 

tree = fromstring(data) 
node_start = "item1" 
node_end = "item5" 

parent = tree.xpath("//FirstLevel")[0] 
for node in parent.xpath("*[preceding-sibling::%s and following-sibling::%s]" % (node_start, node_end)): 
    parent.remove(node) 

print(tostring(tree)) 

打印：

<FirstLevel> 
    <item1>Val1</item1> 
    <item5>Val5</item5> 
</FirstLevel> 

---

如果能有item1和item5單節點內多次出現：

item_start = "item1" 
item_end = "item5" 

parent = tree.xpath("//FirstLevel")[0] 
for node_start in parent.xpath("%s" % item_start): 
    for node in node_start.xpath("following-sibling::%s" % item_end): 
     parent.remove(node)