OpenRefine中基于XML元素值提取属性值的问题求助

一、GREL替代方案（推荐） #

OpenRefine原生的GREL语法可直接处理XML，无需编写Jython脚本，彻底避开编码问题，操作更高效。

核心表达式 #

forEach(xml(value).select("//place[city='Paris']"), node, node.attr("lat")).join("; ")

表达式说明 #

• xml(value)：将单元格文本转换为可操作的XML对象
• select("//place[city='Paris']")：用XPath筛选所有包含<city>Paris</city>子元素的<place>节点（请根据你的实际XML结构替换place为对应父节点名）
• forEach(..., node, node.attr("lat"))：遍历筛选出的节点，提取每个节点的lat属性值
• join("; ")：若有多个匹配结果，用分号分隔；仅需第一个匹配值时，可改为xml(value).select("//place[city='Paris']")[0].attr("lat")

二、Jython编码问题修复方案 #

如果坚持使用Jython，需确保全程处理Unicode字符串，避免字节串与字符串混用引发编码错误。

修正后的代码 #

from xml.etree import ElementTree as ET

# 统一转换为Unicode字符串，解决编码冲突
xml_content = unicode(value, 'utf-8') if isinstance(value, str) else value

try:
    root = ET.fromstring(xml_content)
    # 替换为你XML中实际的父节点名称（示例为place）
    target_nodes = root.findall(".//place")
    result_lats = []
    
    for node in target_nodes:
        city_node = node.find("city")
        # 检查city元素存在且文本匹配
        if city_node is not None and city_node.text and city_node.text.strip() == 'Paris':
            lat_val = node.get("lat")
            if lat_val:
                result_lats.append(lat_val)
    
    return "; ".join(result_lats) if result_lats else None
except Exception as e:
    return str(e)

关键修复点 #

• 先将单元格值统一转为Unicode字符串，避免OpenRefine中字节串与字符串的编码冲突
• 移除不必要的.encode('utf8')调用，ET.fromstring接受Unicode字符串作为输入
• 增加空值判断（如city_node.text是否存在），避免因XML节点缺失导致的报错

内容的提问来源于stack exchange，提问作者K3it4r0