用xpath從幾個xml文件讀出節點內容

Question

我有一個關於用xpath從多個xml文件讀出節點內容的問題。我完全意識到，在這個問題上互聯網上有大量資源，請相信我真的讓我發瘋。我想從路透社rcv1實驗語料庫的文件中讀出信息。這個語料庫中的所有文件共享相同的信息。我以這裏的結構作爲示例：

<?xml version="1.0" encoding="iso-8859-1" ?> 
<newsitem itemid="1000000" id="root" date="xxx" xml:lang="en"> 
<title>title title title</title> 
<headline>headline headline headline</headline> 
<byline>Jack Daniels</byline> 
<dateline>Blabla</dateline> 
<text> 
<p> Paragraph 1 Paragraph 1 Paragraph 1 Paragraph 1 Paragraph 1 </p> 
<p> Paragraph 2 Paragraph 2 Paragraph 2 Paragraph 2 Paragraph 2 </p> 
<p> Paragraph 3 Paragraph 3 Paragraph 3 Paragraph 3 Paragraph 3 </p> 
<p> Paragraph 4 Paragraph 4 Paragraph 4 Paragraph 4 Paragraph 4 </p> 
</text> 
<copyright>(c) Reuters Limited 1996</copyright> 
<metadata> 
<codes class="bip:countries:1.0"> 
    <code code="MEX"> 
    <editdetail attribution="Reuters BIP Coding Group" action="confirmed" date="1996-02-20"/> 
    </code> 
</codes> 
<codes class="bip:topics:1.0"> 
    <code code="xxx"> 
    <editdetail attribution="Reuters BIP Coding Group" action="confirmed" date="1996-08-20"/> 
    </code> 
    <code code="xxx"> 
    <editdetail attribution="Reuters BIP Coding Group" action="confirmed" date="xxx"/> 
    </code> 
    <code code="xxx"> 
    <editdetail attribution="Reuters BIP Coding Group" action="confirmed" date="xxx"/> 
    </code> 
    <code code="xxx"> 
    <editdetail attribution="Reuters BIP Coding Group" action="confirmed" date="xxx"/> 
    </code> 
    <code code="xxx"> 
    <editdetail attribution="Reuters BIP Coding Group" action="confirmed" date="xxx"/> 
    </code> 
</codes> 
<dc element="dc.publisher" value="Reuters Holdings Plc"/> 
<dc element="dc.date.published" value="xxx"/> 
<dc element="dc.source" value="Reuters"/> 
<dc element="dc.creator.location" value="xxx"/> 
<dc element="dc.creator.location.country.name" value="xxx"/> 
<dc element="dc.source" value="Reuters"/> 
</metadata> 
</newsitem> 

我的任務的最終目標是將這幾千個文件轉換爲csv。我正在用軟件rapidminer通過der xpath地址解決不同的節點內容。這對於所有點而言都是完全沒有問題的，但是其中的內容。與/ newsitem/text/p/node（）他總是隻提供第一段。然而我要找的是從所有段落中提取所有純文本。這意味着CSV文件應該看起來大約像：

標題，標題，日期，文本，位置 titleblabla，headlineblabla，XXX，第1款第2款第3款，在任何地方 othertitleblabla，otherheadlineblabla，otherdatexxx，其他款1款2段落3，無處可去

請問有人會這麼好，如何通過xpath來實現這個目標。我也嘗試了與字符串匹配的整個事情，但這需要年齡，另外我必須擺脫xml標籤。

坦克你非常多，

亞歷山大由給定的XPath表達式選擇（絕望的XPath/XML新手）

Answer 1

它從你的描述是RapidMiner檢索節點（-set）的字符串值似乎。根據定義，節點集的字符串值是此節點集中第一個節點的字符串值 - 這與您對問題的描述完全匹配。

解：

代替：

//newsitem/text/p/node() 

使用：

/newsitem/text 

與上面的表達式所提供的文檔中elementselected唯一的字符串值（根據定義）是所有文本節點後代的連接 - 正是你想要的。