使用Python查找和转换XML处理指令

Question

我们正在将我们古老的FrameMaker文档转换为XML。我的工作是转换：

<?FM MARKER [Index] foo, bar ?>` 

为此：

^{pr2}$

我不担心这一部分；困扰我的是ProcessingInstruction遍布文档，并且可能位于任何元素下，所以我需要能够搜索整个树，找到它们，然后处理它们。我不知道如何使用minidom遍历整个XML树。我缺少一些秘密方法/迭代器吗？到目前为止，我看到的是：

• Elementtree具有优秀的Element.iter()方法，这是一种深度优先搜索，但它不处理ProcessingInstructions。

• ProcessingInstruction没有标记名，因此我无法使用minidom的getElementsByTagName来搜索它们。

• xml.sax的ContentHandler.processingInstruction看起来只用于创建ProcessingInstructions。

除了创建我自己的深度优先搜索算法，有没有办法在XML文件中生成ProcessingInstruction的列表，或者标识它们的父级？在

Answer 1

使用lxml模块的XPath API：

from lxml import etree

foo = StringIO('<foo><bar></bar></foo>')
tree = etree.parse(foo)
result = tree.xpath('//processing-instruction()')

The node test processing-instruction() is true for any processing instruction. The processing-instruction() test may have an argument that is Literal; in this case, it is true for any processing instruction that has a name equal to the value of the Literal.

参考文献

• XPath and XSLT with lxml
• XML Path Language 1.0: Node Tests