无法提取XML中TestHomePage下Book元素的Component属性值

问题说明 #

我需要提取TestHomePage元素下Book节点中的Component属性值：用户输入XML文件的ID后，遍历本地文件夹中的XML文件，提取对应文件内符合条件的所有Component属性值。例如输入ID“x123456”时，期望返回x1255655456、x12632454248和x1233245454，但目前无法成功获取数据，求修复方案。

附修正语法错误后的XML：

<TestHomePage ID="x123456" Name="Some Home page" IsComponent="false" Changed="....." Created="......" Layout="default.xsl" Published="....">
    <Book Type="List" Name="BottomSections" UID="......." label="Bottom Section Test" readonly="false" hidden="false" required="false" indexable="false" Enclosed="false" AllowEnclosureChange="false" CIID="" ItemName="BottomSection" ItemLabel="" ItemType="Component">
        <Book Type="Component" Name="BottomSection" Component="x1255655456" UID="caiiid19c71477" label="Bottom Sections" readonly="false" hidden="false" required="false" indexable="false" AutoEmbed="false"  Embedded="false"/>
        <Book Type="Component" Name="BottomSection" Component="x1233245454" UID="bhfejgbfjgfbh0" label="Bottom Sections" readonly="false" WrappedUp="false"  Embedded="false"/>
        <Book Type="Component" Name="BottomSection" Component="x12632454248" UID="5dgfdhg916fe12d0dcb" label="Bottom Section Control" readonly="false" hidden="true" required="true" indexable="false" CompTypes="SectionControl" AutoEmbed="false" WrappedUp="" Embedded="false"/>
</TestHomePage>

解决步骤 #

1. 修复XML语法错误 #

原始XML中第三个Book节点存在语法残缺（缺失开头的<Book Type="Component" Name="BottomSection" Component=），必须先修正该节点，否则XML解析器会直接报错无法处理。修正后的节点如上所示。

2. 编写提取代码（以Python为例） #

使用Python内置的xml.etree.ElementTree库实现遍历文件夹、匹配ID、提取属性的逻辑：

import os
import xml.etree.ElementTree as ET

def extract_component_ids(target_id, folder_path):
    component_ids = []
    # 遍历文件夹下所有XML文件
    for filename in os.listdir(folder_path):
        if filename.endswith('.xml'):
            file_path = os.path.join(folder_path, filename)
            try:
                tree = ET.parse(file_path)
                root = tree.getroot()
                # 匹配TestHomePage元素的ID
                if root.tag == 'TestHomePage' and root.get('ID') == target_id:
                    # 递归查找所有后代Book节点
                    for book_node in root.findall('.//Book'):
                        comp_id = book_node.get('Component')
                        if comp_id:  # 只提取存在Component属性的节点值
                            component_ids.append(comp_id)
            except ET.ParseError as e:
                print(f"解析文件 {filename} 出错: {e}")
                continue
    return component_ids

# 示例调用
target_folder = './your_xml_folder'  # 替换为你的XML文件夹路径
result = extract_component_ids('x123456', target_folder)
print(result)

代码说明 #

• 遍历指定文件夹下的所有XML文件，逐个解析
• 检查根节点是否为TestHomePage且ID匹配目标值
• 使用XPath表达式.//Book递归查找所有后代Book节点
• 提取每个Book节点的Component属性值，过滤掉无该属性的节点
• 返回收集到的所有符合条件的Component ID列表

内容的提问来源于stack exchange，提问作者user22025316