Question

假设我们有一张桌子：

Key|Val|Flag
01 |AAA| Y
02 |BBB| N
...

以这种方式封装到xml中：

<Data>
  <R><F>Key</F><F>Val</F><F>Flag</F></R>
  <R><F>01</F><F>AAA</F><F>Y</F></R>
  <R><F>02</F><F>BBB</F><F>N</F></R>
  ...
</Data>

显然，可以有更多的列和行。

现在，我想使用单个正则表达式将XML解析回表。

我可以找到所有带有<；F>；（[wd]*）</F>，但我需要以某种方式将它们按行分组。

我想到了<；R>；（<；F>；（[wd]*）</F>；）*</R>，但是Python实现一无所获。

有人能帮忙编写正则表达式吗？

UPDATE Some context of the question.

我知道有很多XML解析库，但不幸的是，我的环境仅限于标准库。无论如何，感谢所有警告不要使用正则表达式进行XML解析的人。

我需要一些快速而肮脏的解决方案，因此我决定从正则表达式开始，稍后切换到解析。

到目前为止，我有代码：

...
row_p = r <R>(.*?)</R> 
field_p = r <F>(.*?)</F> 
table =   

for row in re.finditer(row_p, xml):
    table +=  | .join(re.findall(field_p, row.group(1))) +  
 

...

它适用于小型数据集（约10000行），但不适用于大于500000行的表。

也许我会调查一下它失败的原因，但下一步我要采取的是——切换到一些标准的XML解析器ElementTree是第一个候选者。

Answer 1

import libxml2

txt =  
<Data>
  <R><F>Key</F><F>Val</F><F>Flag</F></R>
  <R><F>01</F><F>AAA</F><F>Y</F></R>
  <R><F>02</F><F>BBB</F><F>N</F></R>
</Data>
 

rows = []
for elem in libxml2.parseDoc(txt):
    if elem.name ==  R :
        curRow = []
        rows.append(curRow)
    elif elem.name ==  F :
        curRow.append(elem.get_content())

退货：

rows = [[ Key ,  Val ,  Flag ], [ 01 ,  AAA ,  Y ], [ 02 ,  BBB ,  N ]]

Answer 2

强制链接：

使用XML解析器lxml非常好，甚至提供了XPath（以及其他与XML相关的东西）——如果你对oneliner有恋物癖，我相信有一个XPath oneliner可以提取这些元素；）

Answer 3

~~如果这个问题用Perl标记，我可以为您发布一个解决方案+代码，但由于这是python~~

无论如何，我建议您加载xml文件，并逐行读取它。循环每一行直到文件结束，然后查找该行中的所有字段。据我所知，python中的匹配项存储在一个数组中。你有了。希望我能给你看代码，但这只是主要想法：

load file foreach line in <file> if regex.match( <F>([wd]*)</F> , line) print matches[1] . | . matches[2] . | . matches[3] . " " end loop

免责声明：以上代码只是一个划痕

哦，顺便说一句，如果可能的话，可以使用XML解析器。

Answer 4

lxml is a Pythonic binding for the libxml2 and libxslt libraries. It is unique in that it combines the speed and feature completeness of these libraries with the simplicity of a native Python API, mostly compatible but superior to the well-known ElementTree API.

友情链接