用Python解析XML时处理多个节点

Question

对于赋值，我需要解析一个200万行的XML文件，并将数据输入MySQL数据库。因为我们使用的是python环境和sqlite作为类，所以我尝试使用python来解析文件。请记住，我只是在学习python，所以一切都是新的！你知道吗

我曾经尝试过几次，但都失败了，越来越沮丧。 为了提高效率，我只在少量完整的XML上测试代码，如下所示：

<pub>
<ID>7</ID>
<title>On the Correlation of Image Size to System Accuracy in Automatic Fingerprint Identification Systems</title>
<year>2003</year>
<booktitle>AVBPA</booktitle>
<pages>895-902</pages>
<authors>
    <author>J. K. Schneider</author>
    <author>C. E. Richardson</author>
    <author>F. W. Kiefer</author>
    <author>Venu Govindaraju</author>
</authors>
</pub>

第一次尝试

在这里，我成功地从每个标记中取出了所有数据，除了在<authors>标记下有多个作者。我尝试循环遍历authors标记中的每个节点，计数，然后为这些作者创建一个临时数组，然后用SQL将它们扔到我的数据库中。我得到“15”的作者数量，但显然只有4！我该怎么解决这个问题？你知道吗

from xml.dom import minidom

xmldoc= minidom.parse("test.xml")

pub = xmldoc.getElementsByTagName("pub")[0]
ID = pub.getElementsByTagName("ID")[0].firstChild.data
title = pub.getElementsByTagName("title")[0].firstChild.data
year = pub.getElementsByTagName("year")[0].firstChild.data
booktitle = pub.getElementsByTagName("booktitle")[0].firstChild.data
pages = pub.getElementsByTagName("pages")[0].firstChild.data
authors = pub.getElementsByTagName("authors")[0]
author = authors.getElementsByTagName("author")[0].firstChild.data
num_authors = len(author)
print("Number of authors: ", num_authors )

print(ID)
print(title)
print(year)
print(booktitle)
print(pages)
print(author)

Answer 1

请注意，这里得到的是第一作者的字符数，因为代码将结果限制为仅第一作者（索引0），然后得到其长度：

author = authors.getElementsByTagName("author")[0].firstChild.data
num_authors = len(author)
print("Number of authors: ", num_authors )

只是不要将结果限制为所有作者：

author = authors.getElementsByTagName("author")
num_authors = len(author)
print("Number of authors: ", num_authors )

您可以使用列表理解获取列表中的所有作者姓名，而不是作者元素：

author = [a.firstChild.data for a in authors.getElementsByTagName("author")]
print(author)
# [u'J. K. Schneider', u'C. E. Richardson', u'F. W. Kiefer', u'Venu Govindaraju']