从python中的行/健壮的XML解析器中删除垃圾字符
从python中的行/健壮的XML解析器中删除垃圾字符
提问于 2012-01-05 11:38:39
我有一个包含损坏的XML的文件，在行尾有一些我想要清除的垃圾字符。这些垃圾字符不允许我使用Python的XML解析器。示例：
<request><pair><name>q</name><value><![CDATA[LOL]]></value></pair><pair><name>start</name><value>1</value></pair></request>�J I�i�Y�Y��'z�3�u�J�5��}���#Q/k;!�ˑ�9Q){_������ŐF
<request><pair><name>q</name><value><![CDATA[LOL2]]></value></pair><pair><name>start</name><value>1</value></pair></request>4/lIT�l��'�c�Oֲ�{�;��_?��(>͏Y�mP��如何删除</request>后的垃圾字符？或者换句话说，如何删除</request>和<request>之间的字符串？
请注意，从<request>到</request>只有一行，所以
代码：
awk '/<request>/ , /<\/request>/' test.txt不起作用。
我的目的是提取名称为"q“时的值(在本例中为LOL和LOL2)。因此，如果可以很容易地做到这一点，我就不会为删除垃圾字符而烦恼。
谢谢您抽时间见我。
回答 3
Stack Overflow用户
回答已采纳
发布于 2012-01-05 11:58:01
您可以使用lxml和xpath表达式提取数据-
import lxml
from lxml import etree
source_xml = " path to your xml file"
et = etree.parse(source_xml)
value = et.xpath("//document/request/pair[name='q']/value/text()")
print " ".join(value) 我使用给定的xml示例尝试了一下，我的输出是'LOL LOL2'
Stack Overflow用户
发布于 2012-01-05 12:09:38
这是可行的，但这可能不是最有效的方法：
>>> f = open('x.txt','r')
>>> z = ["%s</request>" % x.split('</request>')[0] for x in f.readlines()]Stack Overflow用户
发布于 2012-01-05 12:22:19
这将返回文件，包括行分隔符，没有任何垃圾字符。(注意："with“语句是针对Python 2.6+的，对于以前的版本，只需打开()，然后打开.close()文件)
import re
clean = ''
with open('x.txt','r') as f:
clean = "".join([ line[:re.search('<\/request>',line).end()] for line in f ])页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/8741857
复制相关文章
相似问题
腾讯云开发者
