提取一个没有xml:lang属性的元素

Question

我有一个如下的 XML 文件：


    
        Foo
        abc
        efj

以及对应的 Python 代码：

from lxml import etree

def parse(path: str):
    return etree.parse(path)

def components(path: str) -> list:
    components = parse(path).xpath("/components/component")
    return list(components)

def sample(path: str) -> str:
    sample_text = components(path)[0].find("sample").text
    return str(sample_text)

path = "test.xml"
print(sample(path))

现在，我想遍历所有标签，并获取其中没有 xml:lang 属性的标签的值，即第一个标签的值。我知道需要使用一个循环来实现，但不确定如何检测标签是否含有 xml:lang 属性。

WestLangley · Answer

你可以检查标签的属性中是否不包含 lang：

from lxml import etree

xml_string = '''

    
        Foo
        abc
        efj
    

'''

root = etree.fromstring(xml_string)

for sample in root.findall("component/sample"):
    if "lang" not in sample.attrib:
        print(sample.text)

输出：

Foo

编辑：如果你使用了命名空间 xml:，可以尝试如下方式：

from lxml import etree

xml_string = '''

    
        Foo
        abc
        efj
    

'''

root = etree.fromstring(xml_string)

for sample in root.findall("component/sample"):
    # 这里使用 http://www.w3.org/XML/1998/namespace 对应于 xml: 命名空间
    # 或者根据你的文档中的不同命名空间使用相应的 Namespace URI
    lang = sample.attrib.get(r"{http://www.w3.org/XML/1998/namespace}lang")
    if not lang:
        print(sample.text)

jldupont · Answer

编辑（现已添加对属性命名空间的支持）：你可以使用 tagname.get('attrib_argument') 来进行检查：

from lxml import etree as et

xml_str = '''

    
        Foo
        abc
        efj
    

'''

root = et.fromstring(xml_str)

for elem in root.findall('.//sample'):
    if elem.get('{http://www.w3.org/XML/1998/namespace}lang') is not None:
        continue
    else:
        print(f"列表位置 {root.findall('.//sample').index(elem)} 上的 sample 标签未设置 'lang' 属性，文本内容: {elem.text}")

# 输出：
# 列表位置 0 上的 sample 标签未设置 'lang' 属性，文本内容: Foo

hammar · Answer

使用核心Python XML库（不依赖于其他答案中提到的外部库）

import xml.etree.ElementTree as ET

xml_string = '''

    
        Foo
        abc
        efj
    

'''

root = ET.fromstring(xml_string)
samples_without_lang = [s.text for s in root.findall('.//sample') if 'lang' not in s.attrib]
print(samples_without_lang)

输出

['Foo']