python删除xml文件的指定标签

Question

有个xml文件的格式大致如下：
<re>
<id>123</id>
<name>abc</name>
</re>
<re>
<id>126</id>
<name>abc</name>
</re>
<re>
<id>135</id>
<name>abc</name>
</re>
<re>
<id>147</id>
<name>abc</name>
</re>

然后另外一个delete.txt保存的是需要删除的re标签的id。假设txt内容如下：
126
147
需要做的就是读取这个delete.txt文件，然后在xml中找到这些id对应的<re>标签将其全部删除，如上例的结果就是：
<re>
<id>123</id>
<name>abc</name>
</re>

<re>
<id>135</id>
<name>abc</name>
</re>

请问是怎么做的。。另外需要提到的是这个xml文件挺大的，有200多M。

Answer 1

你可以使用 BeautifulSoup 套件:

安裝:

pip install bs4

• 如果覺得 html 解析器不敷使用，參考文檔安裝其他適合的解析器。

• 如果想要詳細了解 BeautifulSoup 也請參考官方文檔(有中文版本)。

---

測試檔:

以下是我使用的測試文件:

# delete.txt
126
147


# test.xml
<re>
<id>123</id>
<name>abc</name>
</re>
<re>
<id>126</id>
<name>abc</name>
</re>
<re>
<id>135</id>
<name>abc</name>
</re>
<re>
<id>147</id>
<name>abc</name>
</re>

---

代碼:

from bs4 import BeautifulSoup

with open('test.xml') as reader:
    xml = reader.read()

deleted_id = []

with open('delete.txt') as reader:
    for line in reader:
        line = line.strip()
        deleted_id.append(line)

def has_delete_id(tag):
    return tag.name=='re' and tag.id.string in deleted_id

soup = BeautifulSoup(xml, 'html.parser')

tags = soup(has_delete_id)
for tag in tags:
    tag.decompose()

print(soup.prettify())

---

程式輸出:

<re>
 <id>
  123
 </id>
 <name>
  abc
 </name>
</re>
<re>
 <id>
  135
 </id>
 <name>
  abc
 </name>
</re>

---

代碼說明:

首先我們從 Beautiful Soup 的套件中匯入 BeautifulSoup 類

from bs4 import BeautifulSoup

接著分別從 delete.txt 和 test.xml 中讀出要刪除的 id 和主要的 xml 內容，下一步是實體化生成一個 BeautifulSoup 對象 soup， 我們採用 html.parser 解析器去解析 xml:

soup = BeautifulSoup(xml, 'html.parser')

在此我們定義了一個用於過濾的 function has_delete_id，每一個在 xml 中的tag 只要是 <re> tag 且含有想要刪除的 <id> tag 就會被檢索出來:

def has_delete_id(tag):
    return tag.name=='re' and tag.id.string in deleted_id

接著 soup(has_delete_id) 會幫助我們找到欲刪除的 tag，接著走訪搜索出來的這些 tag 並呼叫方法 decompose() 來從文件中刪除該標籤。

最後 soup.prettify()可以幫助我們輸出修改後的文件。