我正在尝试解析这个XSD文件,目前正在尝试使用python,以获取元素的名称和数据是什么的描述。
示例XSD:
<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema" elementFormDefault="qualified" attributeFormDefault="unqualified" version="07112016">
<xs:annotation>
<xs:documentation>Level 1: top level of Procurement Data Standard for a procurement instrument document.</xs:documentation>
</xs:annotation>
<xs:element name="ProcurementDocument">
<xs:annotation>
<xs:documentation>The root element for any procurement instrument document</xs:documentation>
在这里,它将获取name: ProcurementDocument
和desc:The root element for any procurement instrument document
。
here是我尝试使用正则表达式拉取的更多数据。我有更多的成功,当我minified它是在一行,但仍然没有拉每个实例。
这是我的完整代码,我试图使用它从我缩小的XSD中获取所有的案例,但只找到了我试图找到的~1500个案例中的~120个。
import re
import pandas as pd
df = pd.DataFrame({'Names': [ ], 'Description': [ ]})
search_str = r"name=\"(?P<name>\w+)\"\>[\w\<\/\.\>\d:]+documentation\>(?P<desc>[\w\s\.]+)\<\/"
file1 = 'mini_text.xml'
with open(file1, 'r') as f:
xml_string = f.read()
idx = 0
for m in re.finditer(search_str, xml_string):
df.loc[idx, 'Names'] = m.group('name')
df.loc[idx, 'Description'] = m.group('desc')
idx += 1
df.to_csv('output.txt', index=False, sep="\t")
发布于 2019-04-12 03:28:15
您应该避免使用regex解析xml/html/json,因为regex不足以解析嵌套结构。
正则表达式没有捕获文本中名称和描述的所有实例的原因是,您选择用于捕获描述[\w\s\.]+
的字符集是不够的,因为在描述中存在诸如括号(see list)
之类的字符,这是由于进一步的预期匹配失败。尝试将[\w\s\.]+
更改为.+?
,然后它就会起作用。查看更新后的regex101演示链接下面的内容。
xml :演示如何使用 解析以获取所需信息的示例
import re
from bs4 import BeautifulSoup
data = '''<xs:element name="ProductDescription"><xs:annotation><xs:documentation>Provides the description of the product</xs:documentation></xs:annotation><xs:complexType><xs:sequence><xs:element name="ProductName"><xs:annotation><xs:documentation>Provides a name for the product. (see list)</xs:documentation></xs:annotation><xs:simpleType><xs:restriction base="xs:token"><xs:enumeration value="Barbie Doll"/><xs:enumeration value="Ken Doll"/></xs:restriction></xs:simpleType></xs:element><xs:element name="ProductSize"><xs:annotation><xs:documentation>Describes the size of the product. (see list)</xs:documentation></xs:annotation><xs:simpleType><xs:restriction base="xs:token"><xs:enumeration value="Small"/><xs:enumeration value="Medium"/><xs:enumeration value="Large"/><xs:enumeration value="Dayum"/></xs:restriction></xs:simpleType></xs:element></xs:sequence></xs:complexType></xs:element>'''
soup = BeautifulSoup(data)
for element in soup.find_all('xs:element'):
print(element['name']) # prints name attribute value
print(element.find('xs:documentation').get_text(),'\n') # prints inner text of xs:documentation tag
打印你想要的名字和描述,
ProductDescription
Provides the description of the product
ProductName
Provides a name for the product. (see list)
ProductSize
Describes the size of the product. (see list)
https://stackoverflow.com/questions/55639506
复制相似问题