如何使用python将XML解析为所需的自定义字段

Question

我有一个目录，里面装满了XML格式的salesforce对象。我想确定所有自定义<fullName>的<fields>和父文件，其中<required>是真的。这是一些截断的示例数据，我们称之为“Custom_Object__c：

<?xml version="1.0" encoding="UTF-8"?>
<CustomObject xmlns="http://soap.sforce.com/2006/04/metadata">
<deprecated>false</deprecated>
<description>descriptiontext</description>
<fields>
    <fullName>custom_field1</fullName>
    <required>false</required>
    <type>Text</type>
    <unique>false</unique>
</fields>
<fields>
    <fullName>custom_field2</fullName>
    <deprecated>false</deprecated>
    <visibleLines>5</visibleLines>
</fields>
<fields>
    <fullName>custom_field3</fullName>
    <required>false</required>
</fields>
<fields>
    <fullName>custom_field4</fullName>
    <deprecated>false</deprecated>
    <description>custom field 4 description</description>
    <externalId>true</externalId>
    <required>true</required>
    <scale>0</scale>
    <type>Number</type>
    <unique>false</unique>
</fields>
<fields>
    <fullName>custom_field5</fullName>
    <deprecated>false</deprecated>
    <description>Creator of this log message. Application-specific.</description>
    <externalId>true</externalId>
    <label>Origin</label>
    <length>255</length>
    <required>true</required>
    <type>Text</type>
    <unique>false</unique>
</fields>
<label>App Log</label>
<nameField>
    <displayFormat>LOG-{YYYYMMDD}-{00000000}</displayFormat>
    <label>Entry ID</label>
    <type>AutoNumber</type>
</nameField>
</CustomObject>

所需的输出将是一个字典，其格式如下：

required_fields =  {'Custom_Object__1': 'custom_field4', 'Custom_Object__1': 'custom_field5',... etc for all the required fields in all files in the fold.}

或类似的东西。

我已经通过glob.glob得到了我的对象列表，我可以使用ElementTree获取所有子项及其属性的列表，但我正在那里挣扎。我觉得我非常接近，但是我喜欢完成这项任务。到目前为止，这是我的代码：

import os
import glob
import xml.etree.ElementTree as ET

os.chdir("/Users/paulsallen/workspace/fforce/FForce Dev Account/config/objects/")
objs = []


for file in glob.glob("*.object"):
    objs.append(file)

fields_dict = {}

for object in objs:
    root = ET.parse(objs).getroot()

....

一旦我解析了XML数据，我就不知道从那里拿到它了。

Answer 1

你真的想切换到这里使用lxml，因为那时你可以使用XPath查询：

from lxml import etree as ET

os.chdir("/Users/paulsallen/workspace/fforce/FForce Dev Account/config/objects/")
objs = glob.glob("*.object")

fields_dict = {}

for filename in objs:
    root = ET.parse(filename).getroot()
    required = root.xpath('.//n:fullName[../n:required/text()="true"]/text()',
        namespaces={'n': tree.nsmap[None]})
    fields_dict[os.path.splitext(filename)[0]] = required

使用该代码，您最终会得到一个列表字典;每个键都是一个文件名（没有扩展名），每个值都是必填字段列表。

XPath查询在默认命名空间中查找fullName元素，这些元素具有required元素作为兄弟，其中包含文本'true'。然后它获取每个匹配元素的包含文本，这是我们可以存储在字典中的列表。

Answer 2

使用此函数可查找给定根下的所有必填字段。它还应该有助于作为未来解析需求的示例/起点

def find_required_fields(root):
    NS = {'soap': 'http://soap.sforce.com/2006/04/metadata'}
    required_fields = []
    for field in root.findall('soap:fields', namespaces=NS):
        required = field.findtext('soap:required', namespaces=NS) == "true"
        name = field.findtext('soap:fullName', namespaces=NS)
        if required:
            required_fields.append(name)
    return required_fields

用法示例：

>>> import xml.etree.ElementTree as ET
>>> root = ET.parse('objects.xml') # where objects.xml contains the example in the question
>>> print find_required_fields(root)
['custom_field4', 'custom_field5']
>>>