Как разобрать xml на python

Используй модуль bs4. Примеры тут http://www.crummy.com/software/BeautifulSoup/bs4/doc/

Если обойтись без забивания гвоздей микроскопом, то https://docs.python.org/2/library/xml.etree.elementtree.html

cannot import name BeautifulSoup
нет данного модуля
Переделываю addon для kodi 14 (из коробки) т.е. ставить его не вариант.

так у тебя в xml головы нет... нужен САМЫЙ ГЛАВНЫЙ ТЭГ, из которого растут остальные - это раз

какой кантри дата? это два.

ща покажу, как я видео с кхл им разбирал

Ок подправил первый пост.

from xml.dom import minidom

xmldoc = minidom.parse('video.xml')

events = xmldoc.getElementsByTagName('event')
for ee in events:
    mid = int(ee.attributes['khl_id'].value)
    for s in ee.getElementsByTagName('goal'):
        title = s.attributes['title'].value
        tim = s.attributes['time'].value
        vlink = s.attributes['video'].value

http://text.khl.ru/text/xml/video_20150117.xml

У тебя xml не валидный.

# -*- coding: utf-8 -*-
from xml.etree.ElementTree import fromstring, register_namespace

data = """
<root xmlns:vlc="http://vlc.com">
   <track>
      <location>udp://@239.255.2.122:1234</location>
      <title>Первый канал</title>
      <image>http://tv/87ee0234135d908dc1ac1b734abaa9a5/art.jpg</image>
      <extension application="http://www.videolan.org/vlc/playlist/0">
         <vlc:id>0</vlc:id>
      </extension>
   </track>
   <track>
      <location>udp://@239.255.2.123:1234</location>
      <title>Россия 1</title>
      <image>http://tv/2794d486041030d1898965579df778fe/art.jpg</image>
      <extension application="http://www.videolan.org/vlc/playlist/0">
         <vlc:id>1</vlc:id>
      </extension>
   </track>
</root>
"""

root = fromstring(data)
for el in root.iterfind('.//track'):
    location = el.find('location').text
    title = el.find('title').text.encode('utf-8')
    image = el.find('image').text
    vid = el.find('extension').find('{http://vlc.com}id').text
    print location, title, image, vid

Поправил как он есть. Но ваш пример не работает если брать из файла. Помогите добить этот вопрос.

from xml.etree.ElementTree import parse
root = parse('filename.xml')

И проставить правильный неймспейс {http://vlc.com} -> {http://www.videolan.org/vlc/playlist/ns/0/}

pvvking@pvvking-kodi:~$ cat bs4.py
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from xml.etree.ElementTree import parse

root = parse('playlist.xml')
for el in root.iterfind('.//track'):
    location = el.find('location').text
    title = el.find('title').text.encode('utf-8')
    image = el.find('image').text
    vid = el.find('extension').find('{http://vlc.com}id').text
    print location, title, image, vid

выдает пустоту
вот файл https://yadi.sk/d/P4Y_5qYOe4Tbm

Да, в стандартной библиотеке прям засада с неймспейсами.

# -*- coding: utf-8 -*-
from xml.etree.ElementTree import iterparse

it = iterparse('playlist.xml')
for _, el in it:
    el.tag = el.tag.split('}', 1)[1]  
root = it.root

for el in root.iterfind('.//track'):
    location = el.findtext('location')
    title = el.findtext('title').encode('utf-8')
    image = el.findtext('image')
    vid = el.find('extension').findtext('id')
    print location, title, image, vid

Огромное спасибо.

К слову, вполне себе вариант, в стандартном репозитории Kodi аддон с данным модулем имеется и без проблем ставится по зависимости.

Чем lxml не угодил?

Наглядная демонстрация того, насколько жалок типичный питонист. Там где все реализуется в пару строк, надо обязательно дернуть свистоперделку.

s=read("xmlfile")
parse=function(word){
   var re=new RegExp("<"+word+">[^<]+", "g")
   return s.match(re).map(function(e){return e.replace(/^.*>/, "")})
}
data=[
 parse("location"),
 parse("title").slice(1),
 parse("image"),
 s.match(/<vlc:item[^\d]+(\d+)/g).map(function(e){return e.replace(/\D+/g, "")})
]

data=data.map(function(arr){return arr[0]})
 .join("|")+"\n"+data.map(function(arr){return arr[1]}).join("|")

xmlfile
new RegExp

Сходи уже к Мужику-2 в гости, он тебе подскажет что нужно делать.

Я че-то не понял, ты что-то имеешь против xml-файлов, или new RegExp'ов? Или ты с мужиком-2 бухал вчера, и не похмелился? Выпей аспирину, говорят, помогает.

Мне честно, код «жалкого питониста» нравится больше. Он проще и понятнее. Сразу видно, что он делает и как он это делает. Вот тебе самому так не кажется? Какими принципами ты руководствовался, написав свой вариант?

Какими принципами ты руководствовался, написав свой вариант?

KISS

самому так не кажется?

Нет, не кажется. Для того, чтобы сделать банальщину, я вынужден вникать в либу. Это типичный подход питонистов. Они всегда занимаются зубрежкой «микроязычков», вместо написания непосредственно кода. Голова типичного питониста всегда забита хламом.

XML парсят регэкспами только извращенцы.

И что же такое «простота» в твоём понимании?

Это ведь не риторический вопрос. Если ссылаешься на принцип о простоте, должен понимать какого вида простота в данном конкретно случае полезна (а какая вредна), зачем она нужна, как её достигнуть, и почему от неё (такой полезной) может быть выгоднее отклониться.

Тебе виднее, чел😊

освой xpath[/xquery] будет проще, ликбез по xml на w3school будет легче...

Встречаются поточные утилиты, умеющие xpath в шелле, забыл название

не все XML одинаково валидны

ты выиграл. это даже не просто просто, это вообще элементарно. для пущей наглядности надо было это в одну строку запулить...

неизкоробки

ReferenceError: read is not defined

Очень странно что ты дергаешь свистопердящий regex. Где конечный автомат? Ты же недавно просвещался.

Если у тебя входные данные XML, то они валидны. Если у тебя «HTML» из ада то используются супопарсеры.

Ладно, тогда твой код можно улучшить, сделав его понятнее. Это не будет противоречить ни одному из принципов, которым ты следуешь (ни kiss ни Бритве Оккама).

Это было рассчитиано не на питонистов, с их своеобразным мЫшлением, видимо. Где либа для read??? А-А-А!!!

read=function(file){
   return fs.readFileSync(file, "ascii")
}

Все равно не работает. Type Object has no method 'match'.

И больше того скажу. Твой код не учитывает одну важную деталь. Он тупо не рабочий (то есть на представленных данных выдает неправильный результат). Давай анонiмус, я верю в тебя, ты можешь все поправить, надо только еще строк 10 накропать.

предвосхищая следующий вопрос: вот так лучше, если ты в танке

read=function(file){
   return require("fs").readFileSync(file, "utf8") 
}

ловите этого наркомана.

Если у тебя входные данные XML, то они валидны.

Эх, Маруся... не все ещё XML/HTML, выдаваемые непонятно кем, ты видела....

Маруся у тебя в штанах, сынок. Когда исходные данные — XML, ошибка парсинга это «что-то страшное случилось», а не «и так сойдёт».

когда у тебя исходные данные - XML, скажем, с японских автоаукционов... :)

Так уже лучше. Только последнюю ошибку ты не найдешь.А почему она появилась, а ты ее не заметил? Потому что ты тупая нулина, вздергивающая на js и регексы.

Можешь задать наводящие вопросы.

она только в твоих влажных фантазиях, как же я ее найду?

Аукционов? XML? Ты HTML с XML'ом не путаешь?

Прекрасный тред, всякий раз, когда ты будешь выползать на свет, я буду постить на него ссылку. И все будут знать, что ты находишься на последней стадии шизофазии, когда мысли о том что ты не прав сразу отсекаются на уровне гипофиза. Но ты можешь вернуть светлую веру, покайся и я спасу тебя!

</trackList>

xml с ошибкой

Ладно, говори какая ошибка. Я показал смысл, может где и лоханулся, я наспех писал.

console.log(data[0].length, data[1].length, data[2].length, data[3].length)
-> 98 98 73 98

Этого должно хватить.

Инвалидный XML нужно сделать валидным, а не увеличивать количество проблем.

хз, у меня все нормально, это с кодировками что-то, возможно.

Нет, там реально не во всех записях есть все данные. А теперь мы все с нетерпением ждем вундерэкспа, который пофиксит проблему.

Какие данные, я хз, чо ты там чудишь. У тебя в норме должно быть до преобразования в строку 2 2 2 2, а после — 1 1 1 1