使用ElementTree，lxml是findall唯一有效的（.//）通配符，不能使用相对路径吗？

Question

我有一个高度嵌套的长xml文件，需要对其进行解析并将其放入数据框架中

这是我的XML：

<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE PPP
  SYSTEM 'PPP.DTD'>
<book chg="R" model="AB" >
    <chapter chapnbr="09" chg="U" key="EN49" >
        <effect effrg="Afcd"/>
        <title>HOW TO WIN</title>
        <section chapnbr="09" chg="U" key="Edff" revdate="20100701" sectnbr="102">
            <title>What a start</title>
            <subject chapnbr="09" chg="U" key="Edff" revdate="20100701" sectnbr="102" subjnbr="00">
                <title>1.A</title>
                <pgblk chapnbr="09" chg="U" confnbr="00" key="Edff00" pgblknbr="00" revdate="20200701" sectnbr="102" subjnbr="00">
                    <effect effrg="12"/>
                    <title>1.A.i) Plan Ahead for the worst</title>
                    <prclist1>
                        <prcitem1 adns-numbering="8" adns-title="learning my way with help of good people" >
                            <effect effrg="Edff"/>
                            <prcitem asFragment="true">
                                <title>1.A.i) Plan Ahead for the worst</title>
                                <para>It was a cold January night, and I had too much whisky. 
                                    <refblock>
                                        09-102-00
                                        <refint rrr="22,445,555,555,555" refid="Edff0898">
                                            <effect effrg="Edff0899"/>
                                            0910200</refint>
                                    </refblock>. </para>
                                <para>In more usual circumstances, I possesed the self-control. Not this time 
                                    <refblock>
                                        09-102-00-1111
                                        <refint rrr="sdf,2323,2323" refid="Edff123">
                                            <effect effrg="Edff12434"/>
                                            09-102-00</refint>
                                    </refblock>. </para>
                            </prcitem>
                        </prcitem1>
                    </prclist1>
                </pgblk>
            </subject>
        </section>
    </chapter>
</book>

由于未知的原因，我无法使用相对XPath进行提取。只有findall('.//')起作用，但这当然会输出完整的文件

在高层次上，我可以解析xml

from lxml import etree

tree = etree.parse('file.xml')
root = tree.getroot()

我还能够获得每个元素的绝对路径：

for e in root.iter():
    print(tree.getpath(e))

这给出了（下面是一个示例，我的实际xml更嵌套，输出的路径是下面路径的3倍）：

/book
/book/chapter
/book/chapter/effect
/book/chapter/title
/book/chapter/section
/book/chapter/section/title
/book/chapter/section/subject

然后，我需要从xml的特定区域提取标记和文本

但是，如果尝试使用绝对路径或相对路径，则字典输出d将保持为空

d={}

for item in root.findall('./section/title'): 
    d[item.tag] = item.text

同样适用于

findall('.//section/title')

再一次，空口述为

findall('/book/chapter/section/title')

唯一有效的xpath是：

findall('.//')

Answer 1

findall()不接受绝对路径名。您需要相对路径名

'.//section/title'确实有效，但它返回title标记。因此，无论有多少个匹配项，您都会在dict中得到一个名为title的单键，why可能不是您想要的

如果要使用标题作为章节索引，可以执行以下操作：

d = dict((item.text, item.getparent()) for item in root.findall('.//section/title'))

从示例XML中，这将创建一个dict，其中keyWhat a start和chapter元素作为值

如果您想充分利用XPath表达式的功能，我建议您使用XPathEvaluator：

from lxml import etree

tree = etree.parse('file.xml')

xev = etree.XPathEvaluator(tree)

d = dict((item.text, item.getparent()) for item in xev('/book/chapter/section/title'))

for k, v in d.items():
    print(f"{k} -> {v.tag}")

输出：

What a start -> section