如何用python提取有条件的节点信息到兄弟节点的信息？

Question

我有一个列表，里面有 personId的兴趣。

agents = {'id': ['20','32','12']}

然后我有一个XML文件，里面有家庭特征。

<households
    <household id="980921">
        <members>
            <personId refId="5"/>
            <personId refId="15"/>
            <personId refId="20"/>
        </members>
        <income currency="CHF" period="month">
                8000.0
        </income>
        <attributes>
            <attribute name="numberOfCars" class="java.lang.String" >2</attribute>
        </attributes>

    </household>
    <household id="980976">
        <members>
            <personId refId="2891"/>
            <personId refId="100"/>
            <personId refId="2044"/>
        </members>
        <income currency="CHF" period="month">
                8000.0
        </income>
        <attributes>
            <attribute name="numberOfCars" class="java.lang.String" >1</attribute>
        </attributes>

    </household>
    <household id="980983">
        <members>
            <personId refId="11110"/>
            <personId refId="32"/>
            <personId refId="34"/>
        </members>
        <income currency="CHF" period="month">
                10000.0
        </income>
        <attributes>
            <attribute name="numberOfCars" class="java.lang.String" >0</attribute>
        </attributes>

    </household>
</households>

我想要的是有一个数据框架，它能显示出... income 的家庭，其中有一个 member属于 agents 哪些是感兴趣的人。类似于这样(加号将是一个额外的列，表示住着一个感兴趣的人的家庭成员数)。

personId    income
20          8000.0
32          10000.0

我的方法并没有走得太远。我的困难是如何筛选出感兴趣的人。members然后从一个 "兄弟 "节点访问信息。我的输出是一个空的数据框架。

import xml.etree.ElementTree as ET
import pandas as pd

with open(xml) as fd:
    root = ET.parse(fd).getroot()

xpath_fmt = 'household/members/personId[@refId="{}"]/income'
rows = []
for pid in agents['id']:
    xpath = xpath_fmt.format(pid)
    r = root.findall(xpath)
    for res in r:
        rows.append([pid, res.text])
d = pd.DataFrame(rows, columns=['personId', 'income']) 

非常感谢你的帮助

Answer 1

正如评论中所说的，这里是使用BeautifulSoup的解决方案(xml_txt 是你在问题中的XML文本）。)

import pandas as pd
from bs4 import BeautifulSoup

agents = {'id': ['20','32','12']}

soup = BeautifulSoup(xml_txt, 'xml')  #xml_txt is your XML text from the question

css_selector = ','.join('household > members > personId[refId="{}"]'.format(i) for i in agents['id'])

data = {'personId':[], 'income':[]}
for person in soup.select(css_selector):
    data['personId'].append( person['refId'] )
    data['income'].append( person.find_parent('household').find('income').get_text(strip=True) )

df = pd.DataFrame(data)
print(df)

打印：

  personId   income
0       20   8000.0
1       32  10000.0