比較兩個XML文件並在其中一箇中更新元素

Question

如果我的標題聽起來令人困惑，那麼我很抱歉。 我正在寫一個比較2個XML文件的Python腳本。在這兩個文件中，我們都有數據，其id等於其他文件中的數據。

E.g.

源文件：

<id>123456</id> 
    <data>blabla</data> 
     ......some other data...... 
    <id>abcde</id> 
    <data>gfkgjk</data> 
     ......some more data.......... 

目標文件：

<id>123456</id> 
    <data> </data> 
     ......some other data...... 
    <id>ghijk</id> 
    <data>gfkgjk</data> 
     ......some more data.......... 

正如你可以在上面的例子中，並非所有的ID是在源文件中也都在目標文件中看到。此外，儘管2個數據組具有相同的ID，但其中一個具有填寫的「數據」標籤，另一個沒有。

我的程序應該看看源文件，提取數據標記之間的id和文本。然後它會查看目標文件，如果存在具有相同ID和空數據標籤的數據（如上例所示），則會使用源文件中的信息填充這些空標籤。 （順便說一下：除了ID和數據信息之外，這兩個XML是完全不同的，因此我不能只保留源文件）。

對，我能夠提取數據標籤之間的ID和信息。 現在我正在嘗試編寫一個函數來比較ID，並且如果有的話替換空的數據信息。 但是，我不是很熟悉Python和函數，需要一些幫助。 這裏是我的函數看起來像：

def replace_empty_data(): 
    for x in xmlData_id_source: 
     if xmlData_id_source==xmlData_id_target: 
      target = re.sub(xmlData_2,xmlData,target) 
     return target 
    file_target.close() 

有可能會加載功能失蹤，但我不知道是什麼。它不會給我任何錯誤，而且根本不起作用。變量除了x已經在代碼的前面部分中定義，所以這不是問題。

xmlData_id_source是從源文件中的ID xmlData_id_target是從目標文件中的ID xmlData_2是從目標文件 XMLDATA的數據信息從源文件中的數據信息

感謝您的輸入，以便很遠，但我仍然在尋找一種易於理解的方法，用於對編程毫無頭緒的人......我使用minidom來解析文件，並且希望在不導入和安裝更多庫的情況下使用它。

Answer 1

您需要爲此使用XML解析器。看看ElementTree。

請勿在此處使用正則表達式或字符串替換。

Answer 2

我使用lxml，它具有良好的性能和額外的功能，例如內置的ElementTree不支持的XPATH。這是我會怎麼做：

>>> source = """<root> 
    <tag> 
     <id>123456</id> 
     <data>blabla</data> 
    </tag> 
    <tag> 
     <id>abcde</id> 
     <data>gfkgjk</data> 
    </tag> 
</root>""" 
>>> target = """<root> 
    <tag> 
     <id>123456</id> 
     <data> </data> 
    </tag> 
    <tag> 
     <id>ghijk</id> 
     <data>gfkgjk</data> 
    </tag> 
</root>""" 

由於data節點未在id一個封裝的，我認爲他們兩人都在tag一個，這是什麼地方下root。好吧，第1部分旨在獲得的id個字典及其相應的data：

>>> root = etree.fromstring(source) 
>>> for tag in root.findall('tag'): 
    id_ = tag.find('id') 
    data = tag.find('data') 
    id_dict[id_.text] = data.text 


>>> id_dict 
{'123456': 'blabla', 'abcde': 'gfkgjk'} 

現在，更新的目標感謝這個字典：

>>> root = etree.fromstring(target) 
>>> for tag in root.findall('tag'): 
    id_ = tag.find('id') 
    data = tag.find('data') 
    if data.text.strip() == '': 
     data.text = id_dict[id_.text] 


>>> print etree.tostring(root) 
<root> 
    <tag> 
     <id>123456</id> 
     <data>blabla</data> 
    </tag> 
    <tag> 
     <id>ghijk</id> 
     <data>gfkgjk</data> 
    </tag> 
</root> 

你必須要適應這種解決辦法對你的真實XML結構，那應該很好！