Python ElementTree解析XML：表达式变量替换错误的正则方案咨询

问题 #

使用Python的ElementTree库解析XML文件时，替换metric表达式中的事件名称（如$MyCpu、$MyCpuKernel）为对应val值时出错。当前输出表达式为"73002Kernel / 73002"，预期应为"73003 / 73002"，想知道能否用正则表达式解决及具体实现方法。

XML片段 #

<?xml version="1.0" standalone="yes"?>
<event_configuration family="21" version="2">
    <pqr subtype="abc">
    <event val="73002" name="$MyCpu"> </event>
    <event val="73003" name="$MyCpuKernel"> </event>

    <metric name="Ratio" expression="$MyCpuKernel / $MyCpu"> </metric>
    </pqr>
</event_configuration>

解析代码 #

def parse_xml_to_json(self):
    data = {'metric': []}
    root = ET.fromstring(self.xml_file)

    for element in root.findall('.//*'):
        element_type = element.tag
        if element_type not in ["pqr", "stu", "vwx"]:
            continue
        subtype_name = element.attrib['subtype']
        event_map = {}
        for event in element.findall('.//event'):
            event_name = event.attrib['name']
            val_value = event.attrib['val']
            event_map[event_name] = val_value

        for metric in element.findall('metric'):
            expression = metric.attrib['expression']
            metric_name = metric.attrib['name']
      
            for event_name, val_value in event_map.items():
                expression = expression.replace(event_name, val_value)

            data['metric'].append({
                'Name': metric_name,
                'Expression': expression,
                'Type': element_type
            })

    return data

错误输出 #

{
"metric": [
    {
        "Name": "Ratio",
        "Expression": "73002Kernel / 73002",
        "Type": "pqr"
    },
    ....
    ....
]
}

解决方案 #

问题根源 #

当前用字符串replace方法时，会优先替换短的$MyCpu，导致$MyCpuKernel被截断替换成73002Kernel——因为$MyCpu是$MyCpuKernel的前缀，替换顺序错误引发了部分匹配问题。

方法一：正则表达式精准替换 #

用正则可以匹配完整的事件变量名，避免部分替换。具体实现：

• 正则规则r'\$\w+'匹配以$开头、后续由字母/数字/下划线组成的完整变量名
• 通过re.sub的回调函数，将匹配到的变量名映射为对应的val值

修改后的代码片段：

import re

# 保留原代码其他部分，仅替换metric处理块
for metric in element.findall('metric'):
    expression = metric.attrib['expression']
    metric_name = metric.attrib['name']
  
    def replace_var(match):
        var_name = match.group(0)
        return event_map.get(var_name, var_name)  # 找不到变量时保留原名称
    
    expression = re.sub(r'\$\w+', replace_var, expression)

    data['metric'].append({
        'Name': metric_name,
        'Expression': expression,
        'Type': element_type
    })

方法二：调整替换顺序（无需正则） #

如果不想引入正则，可将事件名称按长度从长到短排序，先替换长名称再替换短名称，避免前缀被提前替换：

# 保留原代码其他部分，仅替换metric处理块
for metric in element.findall('metric'):
    expression = metric.attrib['expression']
    metric_name = metric.attrib['name']
  
    # 按事件名称长度倒序排序，优先替换长名称
    sorted_events = sorted(event_map.items(), key=lambda x: len(x[0]), reverse=True)
    for event_name, val_value in sorted_events:
        expression = expression.replace(event_name, val_value)

    data['metric'].append({
        'Name': metric_name,
        'Expression': expression,
        'Type': element_type
    })

验证结果 #

两种方法都能得到预期输出："73003 / 73002"。

内容的提问来源于stack exchange，提问作者NaviB