遍历METS XML文件生成字典时属性值重复问题求助

问题根源 #

你的代码存在三个关键逻辑错误：

1. 缩进错误：处理XML文件的核心代码（解析、提取数据）没有缩进在if filename.endswith(".xml"):的代码块内，导致只有最后一个XML文件的路径被持续处理，前面的文件完全没被解析。
2. 无效循环：for file in fullpath:是多余且错误的——fullpath是单个文件的路径字符串，遍历它会逐个字符循环，重复解析同一个文件多次。
3. 全局覆盖：每次处理完一个文件后，你遍历了所有已收集的图片路径，把它们的字典值都替换成当前文件的title和identifier，最终所有键都会被最后一个文件的信息覆盖。

修正后的代码 #

import xml.etree.ElementTree as ET
import os

path = r'C:\programming1\Schelling\test'
metDict = {}

for filename in os.listdir(path):
    if filename.endswith(".xml"):
        fullpath = os.path.join(path, filename)
        # 解析当前XML文件
        tree = ET.parse(fullpath)
        root = tree.getroot()
        # 提取当前文件的title和identifier
        metstitle = root[1].text
        metsIdentifier = root[0].attrib["type"]
        # 遍历当前文件内的所有file节点，直接写入字典
        for file_node in root[2]:
            href = file_node.attrib["href"]
            metDict[href] = [metstitle, metsIdentifier]

# 打印结果
print(metDict)

修正说明 #

1. 把所有文件处理逻辑缩进在if filename.endswith(".xml"):内部，确保每个XML文件都被依次解析。
2. 移除了无效的for file in fullpath:循环，直接解析单个文件路径。
3. 不再维护全局的图片列表，而是解析一个文件时，就把该文件内的所有href直接关联到当前文件的title和identifier，避免后续覆盖之前的键值对。

运行修正后的代码，会得到你期望的结果：

{
    '161_Bl_1r.jpg': ['1. München, 26.03.1841; Bl. 1r-3v', '1'],
    '161_Bl_1v.jpg': ['1. München, 26.03.1841; Bl. 1r-3v', '1'],
    '161_Bl_2r.jpg': ['1. München, 26.03.1841; Bl. 1r-3v', '1'],
    '162_Bl_1r.jpg': ['2. München, 26.03.1841; Bl. 1r-3v', '2'],
    '162_Bl_1v.jpg': ['2. München, 26.03.1841; Bl. 1r-3v', '2'],
    '162_Bl_2r.jpg': ['2. München, 26.03.1841; Bl. 1r-3v', '2']
}

内容的提问来源于stack exchange，提问作者noahjb