python中的Xml解析器沒有刪除標籤

在我的項目上使用XML解析器，但無法處理一個問題。python中的Xml解析器沒有刪除標籤

這是我擁有的XML文件。我對幾個要素感興趣：句子，句子的確定性和安全性。 XML

由於所需的輸出我想：確定性，這是肯定的或不確定的 ccue，這是內部的標籤，並全句（用ccues - 包括或不包括）。

我做了什麼：進口xml.etree.ElementTree作爲ET

with open('myfile.xml', 'rt') as f: 
tree = ET.parse(f) 

for sentence in tree.iter('sentence'): 
    certainty = sentence.attrib.get('certainty') 
    ccue = sentence.find('ccue') 
    if certainty and (ccue is not None): 
     print(' %s :: %s :: %s' % (certainty, sentence.text, ccue.text)) 
    else: 
     print(' %s ::,:: %s' % (certainty,sentence.text))

但在這種情況下，ccues從句子移除，如果句子是不確定的比它是不完整的。查找功能只要找到了ccue就會停止。所以如果這句話是：

<sentence certainty="uncertain" id="S1867.3">However, the <ccue>majority of Israelis</ccue> find a comprehensive right of return for Palestinian refugees to be unacceptable.</sentence>

它會告訴我：「然而，」作爲一個句子。

任何人都可以幫我解決問題嗎？而且你也可以幫我將結果保存爲CSV格式 - 這會很棒。

修訂 XML的示例：

<sentence certainty="certain" id="S1867.2">Left-wing Israelis are open to compromise on the issue, by means such as the monetary reparations and family reunification initiatives offered by Ehud Barak at the Camp David 2000 summit.</sentence> 
<sentence certainty="uncertain" id="S1867.3">However, the <ccue>majority of Israelis</ccue> find a comprehensive right of return for Palestinian refugees to be unacceptable.</sentence> 
<sentence certainty="certain" id="S1867.4">The HonestReporting organization listed the following grounds for this opposition: Palestinian flight from Israel was not compelled, but voluntary.</sentence> 
<sentence certainty="uncertain" id="S1867.5">After seven Arab nations declared war on Israel in 1948, <ccue>many Arab leaders</ccue> encouraged Palestinians to flee, in order to make it easier to rout the Jewish state.</sentence> 
<sentence certainty="certain" id="S1867.6">This point, however, is a matter of some contention.</sentence>

來源

2017-05-15 ZverArt

請發佈xml示例...不是相同的圖片。 – tdelaney

@tdelaney添加到主要消息 – ZverArt

你想要整個句子，包括在ccue的東西？這是'''.join（sentence.itertext（））'。順便說一句 - 發佈較短的文本（以及更少的政治文本）會有所幫助。 – tdelaney

在XML中，文本可以被分成許多text()節點。 ElementTree有一個調用來查找所有後代文本節點，以便您可以將它們粘合在一起。 XML中有關於如何處理空白周圍文本節點的含糊之處（它是真實文本的一部分還是「漂亮打印」的簡單裝飾）。你的例子有text <ccue>text<ccue> text（注意那裏有太多空間），所以我剝離它們並添加自己的空間。您可以根據需要調整該部分。

# let elementree open and figure out encoding 
tree = ET.parse('myfile.xml') 

for sentence in tree.iter('sentence'): 
    certainty = sentence.attrib.get('certainty', '') 
    ccue = sentence.find('ccue') 
    if certainty == "uncertain" and ccue: 
     text = ' '.join(node.strip() for node in sentence.itertext()) 
     print(' %s :: %s :: %s' % (certainty, text, ccue.text)) 
    else: 
     print(' %s ::,:: %s' % (certainty,sentence.text))

來源

2017-05-15 15:52:38 tdelaney

python中的Xml解析器沒有刪除標籤

回答

相關問題