0

次のように、2つのXMLファイルを解析してPythonEtreeパーサーと比較したいと思います。

大量のデータを含む2つのXMLファイルがあります。1つは英語（ソースファイル）で、もう1つは対応するフランス語の翻訳（ターゲットファイル）です。例えば：

ソースファイル：

<AB>
  <CD/>
  <EF>

    <GH>
      <id>123</id>
      <IJ>xyz</IJ>
      <KL>DOG</KL>
      <MN>dogs/dog</MN>
      some more tags and info on same level
      <metadata>
        <entry>
           <cl>Translation</cl>
           <cl>English:dog/dogs</cl>
        </entry>
        <entry>
           <string>blabla</string>
           <string>blabla</string>
        </entry>
            some more strings and entries
      </metadata>
    </GH>

  </EF>
  <stuff/>
  <morestuff/>
  <otherstuff/>
  <stuffstuff/>
  <blubb/>
  <bla/>
  <blubbbla>8</blubbla>
</AB>

ターゲットファイルはまったく同じように見えますが、一部の場所にテキストがありません。

<MN>chiens/chien</MN>
some more tags and info on same level
<metadata>
  <entry>
    <cl>Translation</cl>
    <cl></cl>
  </entry>

フランス語のターゲットファイルには空の言語間参照があり、2つのマクロのIDが同じである場合は常に、英語のソースファイルからの情報を入力したいと思います。言語間の参照を識別するために、文字列タグ名を一意のタグ名に置き換えたコードをすでに作成しました。次に、2つのファイルを比較し、2つのマクロのIDが同じである場合は、フランス語のファイルの空の参照を英語のファイルの情報と交換します。以前はミニドムパーサーを試していましたが、行き詰まり、今すぐEtreeを試したいと思います。私はプログラミングについてほとんど知識がなく、これは非常に難しいと思います。これが私がこれまでに持っているコードです：

    macros = ElementTree.parse(english)

    for tag in macros.getchildren('macro'):
        id_ = tag.find('id')
        data = tag.find('cl')
        id_dict[id_.text] = data.text

    macros = ElementTree.parse(french)

    for tag in macros.getchildren('macro'):
        id_ = tag.find('id')
        target = tag.find('cl')
        if target.text.strip() == '':
        target.text = id_dict[id_.text]

    print (ElementTree.tostring(macros))

私は無知以上のものであり、これに関する他の投稿を読むことは私をさらに混乱させます。誰かが私を教えてくれたらとてもありがたいです:-)

4

1 に答える 1

1

おそらくもっと明確にすべき詳細があります。これは、アイデアを示すいくつかのデバッグプリントのサンプルです。両方のファイルの構造がまったく同じであり、ルートの1つ下のレベルにのみ移動することを前提としています。

import xml.etree.ElementTree as etree

english_tree = etree.parse('en.xml')
french_tree = etree.parse('fr.xml')

# Get the root elements, as they support iteration
# through their children (direct descendants)
english_root = english_tree.getroot()
french_root = french_tree.getroot()

# Iterate through the direct descendants of the root
# elements in both trees in parallel.
for en, fr in zip(english_root, french_root):
   assert en.tag == fr.tag # check for the same structure
   if en.tag == 'id':
       assert en.text == fr.text # check for the same id

   elif en.tag == 'string':
       if fr.text is None:
           fr.text = en.text
           print en.text      # displaying what was replaced

etree.dump(french_tree)

ファイルのより複雑な構造の場合、ノードの直接の子を通るループは、ツリーのすべての要素を通る反復によって置き換えることができます。ファイルの構造がまったく同じである場合、次のコードが機能します。

import xml.etree.ElementTree as etree

english_tree = etree.parse('en.xml')
french_tree = etree.parse('fr.xml')

for en, fr in zip(english_tree.iter(), french_tree.iter()):
   assert en.tag == fr.tag        # check if the structure is the same
   if en.tag == 'id':
       assert en.text == fr.text  # identification must be the same
   elif en.tag == 'string':
       if fr.text is None:
           fr.text = en.text
           print en.text          # display the inserted text

# Write the result to the output file.
with open('fr2.xml', 'w') as fout:
    fout.write(etree.tostring(french_tree.getroot()))

ただし、両方のファイルがまったく同じ構造である場合にのみ機能します。タスクを手動で実行する場合に使用されるアルゴリズムに従いましょう。まず、空のフランス語の翻訳を見つける必要があります。次に、同じIDを持つGH要素からの英語の翻訳に置き換える必要があります。XPath式のサブセットは、要素を検索する場合に使用されます。

import xml.etree.ElementTree as etree

def find_translation(tree, id_):
    # Search fot the GH element with the given identification, and return
    # its translation if found. Otherwise None is returned implicitly.
    for gh in tree.iter('GH'):
       id_elem = gh.find('./id')
       if id_ == id_elem.text:
           # The related GH element found.
           # Find metadata entry, extract the translation.
           # Warning! This is simplification for the fixed position 
           # of the Translation entry.
           me = gh.find('./metadata/entry')
           assert len(me) == 2     # metadata/entry has two elements
           cl1 = me[0]
           assert cl1.text == 'Translation'
           cl2 = me[1]

           return cl2.text


# Body of the program. --------------------------------------------------

english_tree = etree.parse('en.xml')
french_tree = etree.parse('fr.xml')

for gh in french_tree.iter('GH'): # iterate through the GH elements only 
   # Get the identification of the GH section
   id_elem = gh.find('./id')      
   id_ = id_elem.text

   # Find and check the metadata entry, extract the French translation.
   # Warning! This is simplification for the fixed position of the Translation 
   # entry.
   me = gh.find('./metadata/entry')
   assert len(me) == 2     # metadata/entry has two elements
   cl1 = me[0]
   assert cl1.text == 'Translation'
   cl2 = me[1]
   fr_translation = cl2.text

   # If the French translation is empty, put there the English translation
   # from the related element.
   if cl2.text is None:
       cl2.text = find_translation(english_tree, id_)


with open('fr2.xml', 'w') as fout:
   fout.write(etree.tostring(french_tree.getroot()).decode('utf-8'))
于 2012-07-17T07:58:55.297 に答える