如何使用 ElementTree 从 xml 中提取 python 中“xml:id”的值到数据框中

Question

我目前正在将书目信息从 XML 结构整理为几乎任何其他可用的内容。我的最后一步是提取“xml:id”属性的值并将其添加到我的漂亮数据框中。我在 ElementTree 中和 python 中的 pandas 中都运行良好。

例如：我想从下面的 biblStruct 中提取“Kakawa2014”：

<biblStruct type="book" xml:id="Kagawa2014" corresp="http://zotero.org/users/local/fmahZILk/items/EAK64XAU">
    <monogr>
#blahblah
    </monogr>
</biblStruct>

我尝试了一些在堆栈溢出时发现的东西：

for biblStruct in root.findall('.//tei:biblStruct', namespace):
    id_elem = biblStruct.attrib('xml:id')

并收到TypeError：“dict”对象不可调用 我对此抱有很大的希望：

for biblStruct in root.findall('.//tei:biblStruct', namespace):
    id_elem = biblStruct.get('{http://w3.org/XML/1998/namespace}id')
    id_text = id_elem.text if id_elem is not None else ''
    xmlID.append(id_text)

    
data = {
    'XML_ID':xmlID
    }
df = pd.DataFrame(data)
print(df)

这返回了一个 DF，它刚刚计算了 biblStructs（正确的数字）（即 0,1,2,3,4 等） 还有：

for biblStruct in root.findall('.//tei:biblStruct', namespace):
    id_elem = biblStruct.get('{http://w3.org/XML/1998/namespace}id')
    xmlID.append(id_elem)

    
data_again = {
    'XML_ID': xmlID
    }
df_again = pd.DataFrame(data_again)
print(df_again)

这返回了与上面类似的 DF，只是现在，数量是原来的两倍！就像魔法一样。

Answer 1

这个问题很难回答。不是因为它很复杂，而是因为您的示例（XML 和 Python）不完整，因此我们无法运行您拥有的示例。我们没有最小且可重复的样本；我们必须从头开始。

我离题了...

您想要获取的是属性值。不是元素值（因此不会有任何

.text

属性）。

您（可能）接近最初的尝试（未经测试，因为我没有时间从头开始）。

.attrib

是一本字典，因此您可以像字典一样访问它......

for biblStruct in root.findall('.//tei:biblStruct', namespace):
    id_attr = biblStruct.attrib['{http://www.w3.org/XML/1998/namespace}id']

或者（我认为更好）...

id_attr = biblStruct.get('{http://www.w3.org/XML/1998/namespace}id')