iterparse无法解析字段，而其他类似的字段不正确

Question

我使用Python的iterparse解析了nessus扫描（.nessus文件）的XML结果。解析失败的意外记录，威尔相似的人已被正确解析。

XML文件的一般结构是很多类似下面的记录：

<ReportHost> 
    <ReportItem> 
    <foo>9.3</foo> 
    <bar>hello</bar> 
    </ReportItem> 
    <ReportItem> 
    <foo>10.0</foo> 
    <bar>world</bar> 
</ReportHost> 
<ReportHost> 
    ... 
</ReportHost> 

换句话说大量主机（ReportHost）有很多项目的报告（ReportItem），和后者具有几个特征（foo，bar）。我将考虑为每个产品生成一行，并具有其特征。

解析在文件的中间处（在这种情况下是cvss_base_scorefoo）一个简单的线路发生故障

<cvss_base_score>9.3</cvss_base_score> 

同时〜200条类似线已没有问题解析。

相关的一段代码如下 - 它集上下文标记（inReportHost和inReportEvent这告诉我，在XML文件中我在的狭窄，并且或者分配或打印一个值，根据上下文）

import xml.etree.cElementTree as ET 
inReportHost = False 
inReportItem = False 

for event, elem in ET.iterparse("test2.nessus", events=("start", "end")): 
    if event == 'start' and elem.tag == "ReportHost": 
     inReportHost = True 
    if event == 'end' and elem.tag == "ReportHost": 
     inReportHost = False 
     elem.clear() 
    if inReportHost: 
     if event == 'start' and elem.tag == 'ReportItem': 
      inReportItem = True 
      cvss = '' 
     if event == 'start' and inReportItem: 
      if event == 'start' and elem.tag == 'cvss_base_score': 
       cvss = elem.text 
     if event == 'end' and elem.tag == 'ReportItem': 
      print cvss 
      inReportItem = False 

cvss有时具有无值（cvss = elem.text分配后），即使相同的条目已经在文件中properely较早解析。

如果我添加了assignement下面的东西沿着

if cvss is None: cvss = "0" 

线则许多进一步的cvss解析转让他们正确的价值观（和其他一些是没有的）。

当采取<ReportHost>...</reportHost>导致错误的解析并运行它通过程序 - 它工作正常（即cvss被分配9.3按预期）。

我迷失在我犯我代码错误的地方，因为有一大堆类似的记录，一些apre处理正确，有些不 - （某些记录是相同的，而且处理方式不同）。我也找不到任何关于失败记录的特别之处 - 早期和晚期都是一样的。

Answer 1

从iterparse() docs：

注：iterparse（）只保证它已经看到了“>”字符时，它发出一个“开始”事件的起始代码的 ，所以属性是 定义，但是文本和尾部属性的内容在此处未定义为 。这同样适用于元素儿童; 他们可能或可能不存在。如果您需要一个完全填充的元素，则可以使用 来查找“结束”事件。

删除inReport*变量和进程ReportHost只在完成解析时的“结束”事件。使用ElementTree API从当前ReportHost元素获取必要的信息，例如cvss_base_score。

要保留内存，这样做：

import xml.etree.cElementTree as etree 

def getelements(filename_or_file, tag): 
    context = iter(etree.iterparse(filename_or_file, events=('start', 'end'))) 
    _, root = next(context) # get root element 
    for event, elem in context: 
     if event == 'end' and elem.tag == tag: 
      yield elem 
      root.clear() # preserve memory 

for host in getelements("test2.nessus", "ReportHost"): 
    for cvss_el in host.iter("cvss_base_score"): 
     print(cvss_el.text)