lxml: Получить все листовые узлы?

Question

Дайте XML-файл, есть ли способ, используя lxml, чтобы получить все узлы листа с их именами и атрибутами?

Вот XML-файл интерес:

<?xml version="1.0" encoding="UTF-8"?> 
<clinical_study> 
    <!-- This xml conforms to an XML Schema at: 
    http://clinicaltrials.gov/ct2/html/images/info/public.xsd 
and an XML DTD at: 
    http://clinicaltrials.gov/ct2/html/images/info/public.dtd --> 
    <id_info> 
    <org_study_id>3370-2(-4)</org_study_id> 
    <nct_id>NCT00753818</nct_id> 
    <nct_alias>NCT00222157</nct_alias> 
    </id_info> 
    <brief_title>Developmental Effects of Infant Formula Supplemented With LCPUFA</brief_title> 
    <sponsors> 
    <lead_sponsor> 
     <agency>Mead Johnson Nutrition</agency> 
     <agency_class>Industry</agency_class> 
    </lead_sponsor> 
    </sponsors> 
    <source>Mead Johnson Nutrition</source> 
    <oversight_info> 
    <authority>United States: Institutional Review Board</authority> 
    </oversight_info> 
    <brief_summary> 
    <textblock> 
     The purpose of this study is to compare the effects on visual development, growth, cognitive 
     development, tolerance, and blood chemistry parameters in term infants fed one of four study 
     formulas containing various levels of DHA and ARA. 
    </textblock> 
    </brief_summary> 
    <overall_status>Completed</overall_status> 
    <phase>N/A</phase> 
    <study_type>Interventional</study_type> 
    <study_design>N/A</study_design> 
    <primary_outcome> 
    <measure>visual development</measure> 
    </primary_outcome> 
    <secondary_outcome> 
    <measure>Cognitive development</measure> 
    </secondary_outcome> 
    <number_of_arms>4</number_of_arms> 
    <condition>Cognitive Development</condition> 
    <condition>Growth</condition> 
    <arm_group> 
    <arm_group_label>1</arm_group_label> 
    <arm_group_type>Experimental</arm_group_type> 
    </arm_group> 
    <arm_group> 
    <arm_group_label>2</arm_group_label> 
    <arm_group_type>Experimental</arm_group_type> 
    </arm_group> 
    <arm_group> 
    <arm_group_label>3</arm_group_label> 
    <arm_group_type>Experimental</arm_group_type> 
    </arm_group> 
    <arm_group> 
    <arm_group_label>4</arm_group_label> 
    <arm_group_type>Other</arm_group_type> 
    <description>Control</description> 
    </arm_group> 
    <intervention> 
    <intervention_type>Other</intervention_type> 
    <intervention_name>DHA and ARA</intervention_name> 
    <description>various levels of DHA and ARA</description> 
    <arm_group_label>1</arm_group_label> 
    <arm_group_label>2</arm_group_label> 
    <arm_group_label>3</arm_group_label> 
    </intervention> 
    <intervention> 
    <intervention_type>Other</intervention_type> 
    <intervention_name>Control</intervention_name> 
    <arm_group_label>4</arm_group_label> 
    </intervention> 
</clinical_study> 

То, что я хотел бы это словарь, который выглядит следующим образом:

{ 
    'id_info_org_study_id': '3370-2(-4)', 
    'id_info_nct_id': 'NCT00753818', 
    'id_info_nct_alias': 'NCT00222157', 
    'brief_title': 'Developmental Effects...' 
} 

Возможно ли это с LXML - или даже любой другой библиотеки Python ?

UPDATE:

я в конечном итоге делает это таким образом:

response = requests.get(url) 
tree = lxml.etree.fromstring(response.content) 
mydict = self._recurse_over_nodes(tree, None, {}) 

def _recurse_over_nodes(self, tree, parent_key, data): 
    for branch in tree: 
     key = branch.tag 
     if branch.getchildren(): 
      if parent_key: 
       key = '%s_%s' % (parent_key, key) 
      data = self._recurse_over_nodes(branch, key, data) 
     else: 
      if parent_key: 
       key = '%s_%s' % (parent_key, key) 
      if key in data: 
       data[key] = data[key] + ', %s' % branch.text 
      else: 
       data[key] = branch.text 
    return data 

Answer 1

предположим, что вы сделали getroot(), что-то простое, как показано ниже, можно построить словарь с тем, что вы ожидали:

import lxml.etree 

tree = lxml.etree.parse('sample_ctgov.xml') 
root = tree.getroot() 

d = {} 
for node in root: 
    key = node.tag 
    if node.getchildren(): 
     for child in node: 
      key += '_' + child.tag 
      d.update({key: child.text}) 
    else: 
     d.update({key: node.text}) 

Должен делать трюк, а не оптимизировать или рекурсивно искать все дочерние узлы, но вы получаете идею, с чего начать.

Answer 2

Попробуйте это:

from xml.etree import ElementTree 

def crawl(root, prefix='', memo={}): 
    new_prefix = root.tag 
    if len(prefix) > 0: 
     new_prefix = prefix + "_" + new_prefix 
    for child in root.getchildren(): 
     crawl(child, new_prefix, memo) 
    if len(root.getchildren()) == 0: 
     memo[new_prefix] = root.text 
    return memo 

e = ElementTree.parse("data.xml") 
nodes = crawl(e.getroot()) 
for k, v in nodes.items(): 
    print k, v 

crawl первоначально принимает в корень XML-дерева. Затем он просматривает все свои дочерние элементы (рекурсивно), отслеживая все теги, которые он отправил, чтобы добраться туда (вот и вся префиксная вещь). Когда он наконец найдет элемент без детей, он сохранит эти данные в memo.

Часть продукции:

clinical_study_intervention_intervention_name Control clinical_study_phase 
N/A clinical_study_arm_group_arm_group_type Other 
clinical_study_id_info_nct_id NCT00753818 

Answer 3

Используйте метод iter.

http://lxml.de/api/lxml.etree._Element-class.html#iter

Вот функционирующий пример.

#!/usr/bin/python 
from lxml import etree 

xml=''' 
<book> 
    <chapter id="113"> 

     <sentence id="1" drums='Neil'> 
      <word id="128160" bass='Geddy'> 
       <POS Tag="V"/> 
       <grammar type="STEM"/> 
       <Aspect type="IMPV"/> 
       <Number type="S"/> 
      </word> 
      <word id="128161"> 
       <POS Tag="V"/> 
       <grammar type="STEM"/> 
       <Aspect type="IMPF"/> 
      </word> 
     </sentence> 

     <sentence id="2"> 
      <word id="128162"> 
       <POS Tag="P"/> 
       <grammar type="PREFIX"/> 
       <Tag Tag="bi+"/> 
      </word> 
     </sentence> 

    </chapter> 
</book> 
''' 

filename='/usr/share/sri/configurations/saved/test1.xml' 

if __name__ == '__main__': 
    root = etree.fromstring(xml) 

    # iter will return every node in the document 
    # 
    for node in root.iter('*'): 

     # nodes of length zero are leaf nodes 
     # 
     if 0 == len(node): 
      print node 

Вот результат:

$ ./verifyXmlWithDirs.py 
<Element POS at 0x176dcf8> 
<Element grammar at 0x176da70> 
<Element Aspect at 0x176dc20> 
<Element Number at 0x176dcf8> 
<Element POS at 0x176dc20> 
<Element grammar at 0x176dcf8> 
<Element Aspect at 0x176da70> 
<Element POS at 0x176da70> 
<Element grammar at 0x176dc20> 
<Element Tag at 0x176dcf8>