如何使用Python编辑XML文件？

Question

我有一个XML文档列表，其结构如下。我需要删除这行：

<!DOCTYPE pdf2xml SYSTEM "pdf2xml.dtd">

使用Python代码，因为手动删除它会非常耗时，因为有很多文件。你知道吗

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE pdf2xml SYSTEM "pdf2xml.dtd">

<pdf2xml producer="poppler" version="0.62.0">
<page number="1" position="absolute" top="0" left="0" height="1262" width="892">

</page>
</pdf2xml>

Answer 1

您可以逐行读取文件，然后将它们写回，而不需要文件中不需要的行。只要确定你要删除的内容-是不是就是你写的那一行？总是第二条线吗？是每一行吗？是第一行吗？等等

import os
import sys

# Assumes first argument when running the script is a directory containing XML files
directory = sys.argv[1] if len(sys.argv) > 1 else "."
files = os.listdir(directory)

for f in files:
    # Ignore not XML files
    if not f.endswith(".xml"):
        continue

    # Read file content
    with open(f, 'r') as f_in:
        content = f_in.readlines()

    # Rewrite the original file
    with open(f, 'w') as f_out:
        for line in content:
            # The condition may differ based on what you really want to delete
            if line != "<!DOCTYPE pdf2xml SYSTEM \"pdf2xml.dtd\">\n":
                f_out.write(line)

需要考虑的事项：

1. 如果文件很大，您可能不想将其加载到内存中
2. 例如，如果您总是只想删除文件中的第二行，则效率很低。你知道吗

3. 你真的需要/想要用Python吗？有更好的解决办法。例如，如果您使用的是Linux或Mac，则可以使用sed：

   for f in *.xml; do sed -i '' -n '/<!DOCTYPE pdf2xml SYSTEM "pdf2xml.dtd">/!p' $f; done
   

Answer 2

首先，打开文件：

f = open("yourfile.txt","r")

接下来，从文件中获取所有行：

lines = f.readlines()

现在可以关闭文件：

f.close()

并以写入模式重新打开：

f = open("yourfile.txt","w")

然后，写回你的行，除了你想删除的行。您可能需要将“\n”更改为文件结尾使用的任何行。你知道吗

for line in lines:
  if not line.startswith('<!DOCTYPE'):
    f.write(line)

最后，再次关闭文件。你知道吗

f.close()