Разбор XML (musicbrainz) в Python

Я пытаюсь импортировать URL-адреса, подобные этому (http://musicbrainz.org/ws/2/artist/72c536dc-7137-4477-a521-567eeb840fa8) в python и извлеките значение «gender».

import urllib2
import codecs
import sys
import os
from xml.dom import minidom
import xml.etree.cElementTree as ET

#urlbob = urllib2.urlopen('http://musicbrainz.org/ws/2/artist/72c536dc-7137-4477-a521-567eeb840fa8')
url = 'dylan.xml'

#attempt 1 - using minidom
xmldoc = minidom.parse(url)
itemlist = xmldoc.getElementsByTagName('artist') 

#attempt 2 - using ET
tree = ET.parse('dylan.xml')
root = tree.getroot()

for child in root:
    print child.tag, child.attrib

Кажется, я не могу определить пол ни с помощью мини-дома, ни с помощью э-дерева. В текущем виде скрипт возвращает

{http://musicbrainz.org/ns/mmd-2.0#}artist {'type': 'Person', 'id': '72c536dc-7137-4477-a521-567eeb840fa8'}

python xml musicbrainz
person Nicholas Rogers    schedule 16.11.2014    source источник

Ответы (2)


arrow_upward
0
arrow_downward

Это потому, что вы зацикливаете root, который является только корнем дерева, имеет ли это смысл? Когда вы зацикливаете корень, он возвращает только следующего потомка и останавливается на этом.

Вам нужно зациклить итерацию, чтобы она возвращала следующий узел и получала результат, см. это:

tree = ET.parse('dylan.xml')
root = tree.getroot()

# loop the root iterable which will keep returning next node
for node in root.iter(): # or root.getiterator() if < Python 2.7
    print node.tag, node.attrib, node.text

Полученные результаты:

{http://musicbrainz.org/ns/mmd-2.0#}metadata {} None
{http://musicbrainz.org/ns/mmd-2.0#}artist {'type': 'Person', 'id': '72c536dc-7137-4477-a521-567eeb840fa8'} None
{http://musicbrainz.org/ns/mmd-2.0#}name {} Bob Dylan
{http://musicbrainz.org/ns/mmd-2.0#}sort-name {} Dylan, Bob
{http://musicbrainz.org/ns/mmd-2.0#}ipi {} 00008955074
{http://musicbrainz.org/ns/mmd-2.0#}ipi-list {} None
{http://musicbrainz.org/ns/mmd-2.0#}ipi {} 00008955074
{http://musicbrainz.org/ns/mmd-2.0#}ipi {} 00008955172
{http://musicbrainz.org/ns/mmd-2.0#}isni-list {} None
{http://musicbrainz.org/ns/mmd-2.0#}isni {} 0000000121479733
{http://musicbrainz.org/ns/mmd-2.0#}gender {} Male
{http://musicbrainz.org/ns/mmd-2.0#}country {} US
{http://musicbrainz.org/ns/mmd-2.0#}area {'id': '489ce91b-6658-3307-9877-795b68554c98'} None
{http://musicbrainz.org/ns/mmd-2.0#}name {} United States
{http://musicbrainz.org/ns/mmd-2.0#}sort-name {} United States
{http://musicbrainz.org/ns/mmd-2.0#}iso-3166-1-code-list {} None
{http://musicbrainz.org/ns/mmd-2.0#}iso-3166-1-code {} US
{http://musicbrainz.org/ns/mmd-2.0#}begin-area {'id': '04e60741-b1ae-4078-80bb-ffe8ae643ea7'} None
{http://musicbrainz.org/ns/mmd-2.0#}name {} Duluth
{http://musicbrainz.org/ns/mmd-2.0#}sort-name {} Duluth
{http://musicbrainz.org/ns/mmd-2.0#}life-span {} None
{http://musicbrainz.org/ns/mmd-2.0#}begin {} 1941-05-24
person Anzel    schedule 16.11.2014
comment
для меня это возвращает: для узла в root.iter(): AttributeError: iter - person Nicholas Rogers; 17.11.2014
comment
@NicholasRogers, у вас есть import xml.etree.cElementTree as ET и root=tree.getroot()? - person Anzel; 17.11.2014
comment
для узла в root.findall('.//*'): print node.tag, node.attrib, node.text делает свое дело - person Nicholas Rogers; 17.11.2014
comment
@NicholasRogers, интересно, возможно, разные версии в xml? - person Anzel; 17.11.2014
comment
в любом случае, пока вы понимаете, что вам нужно зацикливать детей root, а не себя :) рад, что вы отсортированы - person Anzel; 17.11.2014
comment
@NicholasRogers, ваш Python, вероятно, ‹ 2.7? попробуйте root.getiterator(), я просто проверяю, что документ iter() является новым в версии 2.7, тогда как getiterator устарел - person Anzel; 17.11.2014

arrow_upward
0
arrow_downward 

## This prints out the tree as the xml lib sees it 
## (I found it made debugging a little easier)
#def print_xml(node, depth = 0):
#    for child in node:
#        print "\t"*depth + str(child)
#        print_xml(child, depth = depth + 1)
#print_xml(root)

# attempt 1
xmldoc = minidom.parse(url)
genders = xmldoc.getElementsByTagName('gender') # <== you want gender not artist
for gender in genders:
    print gender.firstChild.nodeValue

# attempt 2
ns = "{http://musicbrainz.org/ns/mmd-2.0#}"
xlpath = "./" + ns + "artist/" + ns + "gender"
genders = root.findall(xlpath) # <== xpath was made for this..
for gender in genders:
    print gender.text

Итак... проблема с вашей первой попыткой заключается в том, что вы просматриваете список всех элементов исполнителя, а не гендерных элементов (дочерний элемент единственного элемента исполнителя в списке).

Проблема с вашей второй попыткой заключается в том, что вы просматриваете список дочерних элементов корневого элемента (который представляет собой список, содержащий один элемент метаданных).

Базовая структура:

<artist>
    <name>
    <sort-name>
    <ipi>
    <ipi-list>
        <ipi>
        <ipi>
    <isni-list>
        <isni>
    <gender>
    <country>
    <area>
        <name>
        <sort-name>
        <iso-3166-1-code-list>
            <iso-3166-1-code>
    <begin-area>
        <name>
        <sort-name>
    <life-span>
        <begin>

поэтому вам нужно получить root -> artist -> пол или просто найти узел, который вам действительно нужен (пол в данном случае).

person demented hedgehog    schedule 17.11.2014