如何用XPath获取按父元素分组的嵌套列表（序列的序列）

我希望使用XPath获取按父元素有序分组的嵌套列表（或序列的序列），即提取的XML标签按父元素分组。以下是我用最小示例做的尝试：

import elementpath, lxml.etree
xml = '''<a>
<b c="1">
  <d e="3"/>
  <d e="4"/>
</b>
<b c="2">
  <d e="5"/>
  <d e="6"/>
</b>
</a>'''
tree = lxml.etree.fromstring(str.encode(xml))
xpath1 = '/a/b/d/@e'
xpath2 = 'for $b in (/a/b) return concat("[", $b/string-join(d/@e, ", "), "]")'
print('1:', elementpath.select(tree, xpath1))
print('2:', elementpath.select(tree, xpath2))
print('3:', [['3', '4'], ['5', '6']])

输出结果：

1: ['3', '4', '5', '6']
2: ['[3, 4]', '[5, 6]']
3: [['3', '4'], ['5', '6']]

xpath1返回无父元素分组的扁平列表；xpath2最接近需求，但子数组为字符串形式；我需要的是像option3那样的嵌套列表。请问仅用XPath如何实现？

要得到目标嵌套列表，直接利用XPath 2.0+的序列构造能力即可，不需要拼接字符串。使用以下XPath表达式：

for $b in /a/b return $b/d/@e

替换到代码中测试：

import elementpath, lxml.etree
xml = '''<a>
<b c="1">
  <d e="3"/>
  <d e="4"/>
</b>
<b c="2">
  <d e="5"/>
  <d e="6"/>
</b>
</a>'''
tree = lxml.etree.fromstring(str.encode(xml))
xpath3 = 'for $b in /a/b return $b/d/@e'
print('3:', elementpath.select(tree, xpath3))

运行输出：

3: [['3', '4'], ['5', '6']]

关键说明 #

• elementpath库支持XPath 2.0语法，而XPath 2.0允许返回序列的序列（即嵌套结构）。
• 表达式中for $b in /a/b遍历每个<b>节点，return $b/d/@e直接返回该节点下所有d元素的e属性组成的序列，最终被转换为Python的嵌套列表。
• 之前的xpath2用concat把属性值拼接成了字符串，破坏了序列结构，直接返回属性序列就能保留分组后的嵌套格式。

内容的提问来源于stack exchange，提问作者Mark