如何用Python在XML文档中添加<person>标签提取方括号内人名

你的代码已经完成了人名提取，但在标签创建和插入时存在两个核心问题：

1. 只处理了每个newsDocument下的第一个newsFrom节点，忽略了同文档内的其他newsFrom
2. 没有准确定位<transc>标签的位置，导致插入的标签位置混乱

以下是修正后的完整代码：

import xml.etree.ElementTree as ET
import re

# 解析XML文件
tree = ET.parse('1649.xml')
root = tree.getroot()

# 遍历所有newsFrom节点（覆盖所有文档下的所有来源）
for news_from in root.findall(".//newsFrom"):
    # 获取当前newsFrom下的transc标签
    transc_elem = news_from.find("transc")
    if transc_elem is None or transc_elem.text is None:
        continue  # 跳过无文本的transc标签
    
    # 提取方括号内的人名
    people = re.findall(r"\[(.*?)\]", transc_elem.text)
    
    # 找到transc在父节点中的索引位置，确保插入到它的下方
    transc_index = list(news_from).index(transc_elem)
    
    # 为每个人名创建person标签并插入到transc之后
    for name in people:
        person_elem = ET.Element("person")
        person_elem.text = name
        # 插入到transc的下一个位置，保持顺序
        news_from.insert(transc_index + 1, person_elem)
        # 每插入一个标签，后续标签的插入位置要+1
        transc_index += 1

# 保存修改后的XML文件
tree.write('modified_1649.xml', encoding='utf-8', xml_declaration=True)

关键修复点说明 #

• 遍历所有newsFrom：使用".//newsFrom"XPath表达式直接定位所有层级下的newsFrom节点，避免遗漏
• 空值判断：增加对transc标签和其文本的非空检查，防止因缺失内容导致的报错
• 精准插入位置：通过list(news_from).index(transc_elem)获取transc在父节点中的位置，然后依次插入<person>标签到它的下一个位置，确保结构和示例一致
• 动态调整插入索引：每插入一个<person>标签后，索引值加1，保证后续标签依次排列在transc下方

修改后的XML效果示例 #

<newsFrom>
    <from date="15/01/1649" dateUnsure="y">London</from>
    <transc>Questo Parlamento generale Farfax [Thomas Fairfax, 3rd Lord Fairfax of Cameron] et suo consiglio dio et ordinato di pocessare il re [Charles I, King of England]</transc>
    <person>Thomas Fairfax, 3rd Lord Fairfax of Cameron</person>
    <person>Charles I, King of England</person>
    <newsTopic>Military</newsTopic>
    <wordCount>103</wordCount>
    <position>1</position>
</newsFrom>

内容的提问来源于stack exchange，提问作者MessyCoder