Xml on Sawyer Zheng's Blog

Grobid

Tue, 04 Apr 2023 00:00:00 +0000

解析 grobid tei xml

参考：

Parsing TEI XML documents with Python | Data, code and science

libwapiti.so 编译方法

1
2
3
4
5


git clone https://github.com/adsva/libwapiti
cd libwapiti
git clone https://github.com/Jekub/Wapiti
gcc -fPIC -c -std=c99 -W -Wall -O3 -I ./Wapiti/src -lm -lpthread ./Wapiti/src/*.c ./src/*.c
gcc -shared -Wl,--wrap,fatal,--wrap,pfatal,--wrap,warning,--wrap,info,-soname,libwapiti.so -o libwapiti.so -lc *.o

Lxml

Mon, 20 Feb 2023 00:00:00 +0000

读写

etree.parse(file) –> _ElementTree

读入 xml 文件

1
2
3
4
5
6
7


from lxml import etree

file = '/path/to/my.xml'

result: etree._ElementTree = etree.parse(file) # etree.ElementTree 类

root: etree._Element = result.getroot() # etree.Element 类

etree.XML(xml_string) –> ElementTree
- 注意: xml_string 不可以包含编码说明标签
etree.HTML(html_string)
etree.fromstring(given_string)
- 注意: given_string 不可以包含编码说明标签

namespace 命名空间

参考：

xml in python

Mon, 20 Feb 2023 00:00:00 +0000

lxml 解析 xml

入门

读取 xml –> root tree (_ElementTree 对象)

1
2
3


from_object lxml import etree

etree.parse('/my/file.xml')

ElementTree 对象 –> string

1
2
3


from_object lxml import etree

etree.parse('/my/file.xml')

BeautifulSoup 解析 xml

1
2
3
4
5


from_object bs4 import BeautifulSoup

soup = BeautifulSoup(content, 'xml')

soup.find('abstract').text # str 类型

保持 text 中的空格

参考:

xml

Wed, 19 Jun 2019 00:00:00 +0000

语言特性

https://www.runoob.com/xml/xml-intro.html

目的
- 传输数据，不是显示数据
  - XML 被设计用来结构化、存储以及传输信息。
特点
- 标签没有预定义，需要自定义
- Extensible markup language 可扩展标记语言

table

<tgroup>

http://eadiva.com/tgroup/

xml 编辑

python3

xpath

Tue, 28 May 2019 00:00:00 +0000

xpath 进阶

简书教程
- https://www.jianshu.com/p/1575db75670f
官方文档
- https://www.w3.org/TR/xpath-31/
wiki
- https://en.wikipedia.org/wiki/XPath
  - 可以查看底部，外部链接
超详细中文教程
- https://www.cnblogs.com/sthu/p/8319072.html

注意事项

索引

从“一”， "1" 开始，切记不是 0 开始

index, 位置函数

fn:position()
//p[position() < 3]

最后一个

fn:last()