#python #xml #parsing #memory
#python #xml #синтаксический анализ #память
Вопрос:
Я новичок в python, и мне особенно сложно работать с xml и python. Ситуация, с которой я столкнулся, такова: я пытаюсь подсчитать, сколько раз слово появляется в XML-документе. Достаточно просто, но XML-документ является ответом от сервера. Возможно ли это сделать без записи в файл? Было бы здорово попытаться сделать это из памяти.
Вот пример XML-кода:
<xml>
<title>Info</title>
<foo>aldfj</foo>
<data>Text I want to count</data>
</xml>
Вот что у меня есть в python
import urllib2
import StringIO
import xml.dom.minidom
from xml.etree.ElementTree import parse
usock = urllib.urlopen('http://www.example.com/file.xml')
xmldoc = minidom.parse(usock)
print xmldoc.toxml()
После этого я безуспешно пытался использовать StringIO, ElementTree и minidom, и я дошел до того, что не уверен, что еще делать.
Любая помощь будет с благодарностью
Ответ №1:
Насколько я могу судить, это довольно просто:
import urllib2
from xml.dom import minidom
usock = urllib2.urlopen('http://www.example.com/file.xml')
xmldoc = minidom.parse(usock)
for element in xmldoc.getElementsByTagName('data'):
print element.firstChild.nodeValue
Итак, чтобы подсчитать вхождения строки, попробуйте это (немного сжато, но мне нравятся однострочники):
count = sum(element.firstChild.nodeValue.find('substring') for element in xmldoc.getElementsByTagName('data'))
Ответ №2:
Если вы просто пытаетесь подсчитать, сколько раз слово появляется в XML-документе, просто прочитайте документ как строку и выполните подсчет:
import urllib2
data = urllib2.urlopen('http://www.example.com/file.xml').read()
print data.count('foobar')
В противном случае вы можете просто перебирать теги, которые вы ищете:
from xml.etree import cElementTree as ET
xml = ET.fromstring(urllib2.urlopen('http://www.example.com/file.xml').read())
for data in xml.getiterator('data'):
# do something with
data.text
Комментарии:
1. Из вопроса ясно, что он хочет подсчитывать слова только в определенном теге. Вы также не можете быть уверены, что слово фактически не используется в качестве самого тега, поэтому такой подход явно неверен
2. Хотя это работает для некоторых слов, оно терпит неудачу при наличии объектов XML.
3. вау, я должен был получить это. Возможно, я мог бы использовать это, поскольку XML-ответ не является повторяющимся
4. Боже, сегодня много ненависти. В OP указано, что он «пытается подсчитать, сколько раз слово появляется в документе xml». Я изменил строку count, чтобы она не совпадала с примером тега, который он привел.
5. @DerekSpringer не ненавижу … но использование простого count() в XML-документе явно опасно и может привести к неправильным ответам… и вы не будете знать, когда они ошибаются… отсюда и решительный комментарий
Ответ №3:
Помогает ли это…
from xml.etree.ElementTree import XML
txt = """<xml>
<title>Info</title>
<foo>aldfj</foo>
<data>Text I want to count</data>
</xml>"""
# this will give us the contents of the data tag.
data = XML(txt).find("data").text
# ... so here we could do whatever we want
print data
Комментарии:
1. Нет, он получает только один конкретный текст, а не все текстовые узлы.
2. Я не выполняю всю его домашнюю работу… оттуда он может самостоятельно использовать findall …
Ответ №4:
Просто замените строку ‘count’ любым словом, которое вы хотите посчитать. Если вы хотите подсчитать фразы, вам придется адаптировать этот код, поскольку он предназначен для подсчета слов. Но в любом случае, ответ на вопрос, как получить вообще встроенный текст, таков XML('<your xml string here>').itertext()
from xml.etree.ElementTree import XML
from re import findall
txt = """<xml>
<title>Info</title>
<foo>aldfj</foo>
<data>Text I want to count</data>
</xml>"""
sum([len(filter(lambda w: w == 'count', findall('w ', t))) for t in XML(txt).itertext()])