我正在创建一个MapReduce作业,以便从XML文件中查找“articletTitle”。我正在使用mapper.py来识别标签并根据字母将其拆分。 脚本如下:
tree = ET.parse('File location')
doc = tree.getroot()
for ArticleTitle in doc.iter('ArticleTitle'):
file1 = (ET.tostring(ArticleTitle, encoding='utf8').decode('utf8'))
filename = file1[52:(len(file1))]
Article_Title= filename.split("<")[0]
# print(Article_Title)
for line in Article_Title:
line_1= re.findall(r"\w+|[^\w\s]", line, re.UNICODE)
print(line_1)
我得到的结果是:
['T']['h']['e'][]['e']['f']['f']['e']['c']['t'][]['o']['f']
但是,我希望输出为:
['The', 'effect', 'of', 'Hene', 'laser']
Article Title
是一个字符串。请参见:如果在字符串中循环,则返回单个字符
如果你想要完整的单词,你不需要循环-只要做
Article_Title.split()
相关问题 更多 >
编程相关推荐