我写了一个简单的脚本来使用BeautifulSoup模块解析XML聊天日志。标准soup.prettify()可以正常工作,除非聊天记录中有很多绒毛。你可以同时看到脚本代码和一些我在下面工作XML输入文件:Python BeautifulSoup XML解析
代码
import sys
from BeautifulSoup import BeautifulSoup as Soup
def parseLog(file):
file = sys.argv[1]
handler = open(file).read()
soup = Soup(handler)
print soup.prettify()
if __name__ == "__main__":
parseLog(sys.argv[1])
测试XML输入
<?xml version="1.0"?>
<?xml-stylesheet type='text/xsl' href='MessageLog.xsl'?>
<Log FirstSessionID="1" LastSessionID="2"><Message Date="10/31/2010" Time="3:43:48 PM" DateTime="2010-10-31T20:43:48.937Z" SessionID="1"><From><User FriendlyName="Jon"/></From> <To><User FriendlyName="Bill"/></To><Text Style="font-family:Segoe UI; color:#000000; ">hey, what's up?</Text></Message>
<Message Date="10/31/2010" Time="3:44:03 PM" DateTime="2010-10-15T20:44:03.421Z" SessionID="1"><From><User FriendlyName="Jon"/></From><To><User FriendlyName="Bill"/></To><Text Style="font-family:Segoe UI; color:#000000; ">Got your message</Text></Message>
<Message Date="10/31/2010" Time="3:44:31 PM" DateTime="2010-10-15T20:44:31.390Z" SessionID="2"><From><User FriendlyName="Bill"/></From><To><User FriendlyName="Jon"/></To><Text Style="font-family:Segoe UI; color:#000000; ">oh, great</Text></Message>
<Message Date="10/31/2010" Time="3:44:59 PM" DateTime="2010-10-15T20:44:59.281Z" SessionID="2"><From><User FriendlyName="Bill"/></From><To><User FriendlyName="Jon"/></To><Text Style="font-family:Segoe UI; color:#000000; ">hey, i gotta run</Text></Message>
我希望能够将其输出为如下所示的格式,或者至少比纯XML更具可读性:
乔恩: 嘿,怎么了? [10年10月31日@ 3:43P]
乔恩: 收到您的来信[10年10月31日@ 3:44P]
比尔: 哦,太棒了[10年10月31日@ 3 :44p]
etc ..我听说PyParsing模块的一些体面的事情,也许是时候给它一个镜头了。
为什么不使用XSLT?这将是最简单的。 (事实上:我看到有一个?xml-stylesheet指令 - 默认样式表是什么样的) – 2010-11-01 18:06:58
我可能并不总是有XSL样式表可用,因此需要一些东西来将日志格式化为更可读的。如果我可以使用与我有的样式表相同的样式表,那也可能起作用。 – 2010-11-01 18:11:06