我寫了一個簡單的腳本來使用BeautifulSoup模塊解析XML聊天日誌。標準soup.prettify()可以正常工作,除非聊天記錄中有很多絨毛。你可以同時看到腳本代碼和一些我在下面工作XML輸入文件:Python BeautifulSoup XML解析
代碼
import sys
from BeautifulSoup import BeautifulSoup as Soup
def parseLog(file):
file = sys.argv[1]
handler = open(file).read()
soup = Soup(handler)
print soup.prettify()
if __name__ == "__main__":
parseLog(sys.argv[1])
測試XML輸入
<?xml version="1.0"?>
<?xml-stylesheet type='text/xsl' href='MessageLog.xsl'?>
<Log FirstSessionID="1" LastSessionID="2"><Message Date="10/31/2010" Time="3:43:48 PM" DateTime="2010-10-31T20:43:48.937Z" SessionID="1"><From><User FriendlyName="Jon"/></From> <To><User FriendlyName="Bill"/></To><Text Style="font-family:Segoe UI; color:#000000; ">hey, what's up?</Text></Message>
<Message Date="10/31/2010" Time="3:44:03 PM" DateTime="2010-10-15T20:44:03.421Z" SessionID="1"><From><User FriendlyName="Jon"/></From><To><User FriendlyName="Bill"/></To><Text Style="font-family:Segoe UI; color:#000000; ">Got your message</Text></Message>
<Message Date="10/31/2010" Time="3:44:31 PM" DateTime="2010-10-15T20:44:31.390Z" SessionID="2"><From><User FriendlyName="Bill"/></From><To><User FriendlyName="Jon"/></To><Text Style="font-family:Segoe UI; color:#000000; ">oh, great</Text></Message>
<Message Date="10/31/2010" Time="3:44:59 PM" DateTime="2010-10-15T20:44:59.281Z" SessionID="2"><From><User FriendlyName="Bill"/></From><To><User FriendlyName="Jon"/></To><Text Style="font-family:Segoe UI; color:#000000; ">hey, i gotta run</Text></Message>
我希望能夠將其輸出爲如下所示的格式,或者至少比純XML更具可讀性:
喬恩: 嘿,怎麼了? [10年10月31日@ 3:43P]
喬恩: 收到您的來信[10年10月31日@ 3:44P]
比爾: 哦,太棒了[10年10月31日@ 3 :44p]
etc ..我聽說PyParsing模塊的一些體面的事情,也許是時候給它一個鏡頭了。
爲什麼不使用XSLT?這將是最簡單的。 (事實上:我看到有一個?xml-stylesheet指令 - 默認樣式表是什麼樣的) – 2010-11-01 18:06:58
我可能並不總是有XSL樣式表可用,因此需要一些東西來將日誌格式化爲更可讀的。如果我可以使用與我有的樣式表相同的樣式表,那也可能起作用。 – 2010-11-01 18:11:06