lxml iterparse，有相同标记的孩子nam

Question

我想从文件（1,5gb文件）动态解析xml，它看起来像：

<product product_id="x" name="x" sku_number="x">
    <category>
        <primary>x</primary>
        <secondary>y</secondary>
    </category>
    <URL>
        <product>URL__I_WANT_TO_PULLOUT</product>
        <productImage>x</productImage>
    </URL>
    <description>
        <short>x</short>
        <long>x</long>
    </description>
</product>

我使用的是lxml.etree.iterparse类似于：

^{pr2}$

我从xml节点获取所有必需的值。我唯一不能拉出的节点是URL>product（它只是空的）。我认为是同一个标签名造成的。除了iterparse，还有什么方法可以动态解析xml吗？在

Answer 1

如果我对您的示例运行etree.iterparse，它会发现两次'product'标记：有一个外部的，一个内部的<product>。external标记有子元素，其text为空。因此，您需要跳过那些外部的'product'标记，以便只处理那些没有子元素的标记，例如：

for event, elem in etree.iterparse(f, events=('end',), tag='product'):
    if not len(elem):
        save_product(elem)

---

如果需要处理topproduct标记的所有元素，则可以删除主循环中的所有内部product字段，然后按路径处理所有子元素，例如python's lxml and iterparse method：

^{pr2}$

Answer 2

我知道可能已经很晚了，但对于任何人来说，我使用了以下解决方案：

   file_contents = xml_file.read()
   xml_obj = etree.fromstring(file_contents)
   context = xml_obj.xpath(tag)

我的tag变量是指向产品的路径，例如//parent/product。然后可以使用上下文容器对元素执行某些操作。在