如何使用XPath提取XML文本同时保留原有文档结构
首先明确:XPath 本身是节点查询语言,仅能从原文档中筛选匹配的节点,无法直接生成保留外层结构的新 XML 文档,你之前用 /bookstore/book/text() 只能拿到两个独立的文本节点,自然会丢失原有的 bookstore、book 层级结构。
要实现你的需求,需要搭配 XML 转换工具/语言,配合 XPath 筛选要删除的节点即可,两种常用实现方案如下:
方案1:通用 XSLT 转换(兼容所有支持 XSLT 的环境)
用自带的身份模板默认复制所有原结构,再添加空模板过滤掉不需要的 title、price 元素即可,示例 XSLT 代码:
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"> <!-- 身份模板:默认复制所有节点、属性到新文档 --> <xsl:template match="@*|node()"> <xsl:copy> <xsl:apply-templates select="@*|node()"/> </xsl:copy> </xsl:template> <!-- 空模板:匹配book下的所有子元素,直接跳过不复制,实现删除效果 --> <xsl:template match="/bookstore/book/*"/> </xsl:stylesheet>
把原XML和上述XSLT放在任意XSLT处理器中运行,即可直接输出你需要的目标结构。
方案2:编程语言实现(以Python lxml库为例)
如果是在代码中处理,先用XPath选中所有要删除的节点,逐一移除即可:
from lxml import etree # 加载原始XML raw_xml = ''' <bookstore> <book> <title lang="en">Harry Potter</title> <price>29.99</price> Berlin </book> <book> <title lang="en">Learning XML</title> <price>39.95</price> Tokyo </book> </bookstore> ''' root = etree.fromstring(raw_xml.encode()) # XPath选中所有book下的子元素(title、price) need_remove = root.xpath('/bookstore/book/*') for node in need_remove: node.getparent().remove(node) # 输出处理后的XML print(etree.tostring(root, pretty_print=True, encoding='unicode'))
内容的提问来源于stack exchange,提问作者Lennart Van der Goten
相关产品推荐
相关产品推荐

