DjangoBB LoFi version

Начало » Python для новичков » Помогите распарсить xml!

bender19911

Июль 14, 2015 15:13:23

Доброго времени суток!
Уважаемые форумчане, помогите пожалуйста, у меня есть xml файл вида:

<hostlist>
<host href="https://webmaster.yandex.ru/api/v2/hosts/*****" rel="self">
<name>domen.ua</name>
<verification state="VERIFIED"/>
<crawling state="INDEXED"/>
<virused>false</virused>
<last-access>2015-07-05T23:59:00</last-access>
<tcy>10</tcy>
<url-count>1135523</url-count>
<index-count>1234</index-count>
</host>
<host href="https://webmaster.yandex.ru/api/v2/hosts/*****" rel="self">
<name>domen.ru</name>
<verification state="VERIFIED"/>
<crawling state="INDEXED"/>
<virused>false</virused>
<last-access>2015-07-05T23:59:00</last-access>
<tcy>80</tcy>
<url-count>1503743</url-count>
<index-count>123456</index-count>
</host>
<host href="https://webmaster.yandex.ru/api/v2/hosts/*****" rel="self">
<name>avto.domen.ru</name>
<verification state="VERIFIED"/>
<crawling state="INDEXED"/>
<virused>false</virused>
<last-access>2015-07-05T11:28:00</last-access>
<tcy>0</tcy>
<url-count>9</url-count>
<index-count>1</index-count>
</host>
</hostlist>

Мне нужно сделать так, чтоб у меня при запросе в итоге выводилась информация о проиндексированных страницах только в domen.ru. В данном случае это 123456.
Помогите пожалуйста, как это сделать?

terabayt

Июль 14, 2015 19:46:55

>>> from lxml import etree
>>> 
>>> s = """<hostlist>
... <host href="https://webmaster.yandex.ru/api/v2/hosts/*****" rel="self">
... <name>domen.ua</name>
... <verification state="VERIFIED"/>
... <crawling state="INDEXED"/>
... <virused>false</virused>
... <last-access>2015-07-05T23:59:00</last-access>
... <tcy>10</tcy>
... <url-count>1135523</url-count>
... <index-count>1234</index-count>
... </host>
... <host href="https://webmaster.yandex.ru/api/v2/hosts/*****" rel="self">
... <name>domen.ru</name>
... <verification state="VERIFIED"/>
... <crawling state="INDEXED"/>
... <virused>false</virused>
... <last-access>2015-07-05T23:59:00</last-access>
... <tcy>80</tcy>
... <url-count>1503743</url-count>
... <index-count>123456</index-count>
... </host>
... <host href="https://webmaster.yandex.ru/api/v2/hosts/*****" rel="self">
... <name>avto.domen.ru</name>
... <verification state="VERIFIED"/>
... <crawling state="INDEXED"/>
... <virused>false</virused>
... <last-access>2015-07-05T11:28:00</last-access>
... <tcy>0</tcy>
... <url-count>9</url-count>
... <index-count>1</index-count>
... </host>
... </hostlist>"""
>>> 
>>> e = etree.fromstring(s)
>>> print e.xpath('.//name[text()="domen.ru"]/ancestor::host/index-count/text()')
['123456']

py.user.next

Июль 15, 2015 00:05:11

doc.xpath(r'.//name[text() = "domen.ru"]/../index-count/text()')

terabayt

Июль 16, 2015 20:40:53

py.user.next

<hostlist>
<host href="https://webmaster.yandex.ru/api/v2/hosts/*****" rel="self">
<name>domen.ru</name>
<index-count>123456</index-count>
</host>
<site href="https://webmaster.yandex.ru/api/v2/hosts/*****">
<name>domen.ru</name>
<index-count>
	<host name="yandex"> 1 </host>
	<host name="google"> 2 </host>
</index-count>
</site>
</hostlist>

поэтому лучше всегда указывать родителя

py.user.next

Июль 16, 2015 23:45:09

terabayt
поэтому лучше всегда указывать родителя

У него там всегда есть host. Список узлов (hostlist), состоящий из узлов (host), включающих информацию об узле.

terabayt

Июль 17, 2015 02:25:21

py.user.next
У него там всегда есть host. Список узлов (hostlist), состоящий из узлов (host), включающих информацию об узле.

да, но
1) не факт что у него действительно так, а это прост пример
2) факт, что что-то измениться
3) может и не совсем, но все же
Explicit is better than implicit.

py.user.next

Июль 17, 2015 03:40:45

terabayt
1) не факт что у него действительно так, а это прост пример

Ну, судя по его xml, он грамотно сформирован. В таком не возникнет каша-малаша.

terabayt
2) факт, что что-то измениться

Не, нельзя покрывать все варианты раньше времени. Это преждевременная оптимизация.

Как в hostlist может появиться site, если это не хост? А если это host, почему он называется site, а не host?

terabayt

Июль 17, 2015 03:50:07

py.user.next
Не, нельзя покрывать все варианты раньше времени.

я и не говорю об этом
я говорю о том, что нужно явно указывать!

py.user.next
Как в hostlist может появиться site, если это не хост? А если это host, почему он называется site, а не host?

ну эт прост пример

py.user.next

Июль 17, 2015 07:00:24

terabayt
я и не говорю об этом
я говорю о том, что нужно явно указывать!

Так зачем явно указывать, если это и так явно? У тебя она как бы предусматривает наличие каши среди нормального кода. Даже если каша есть какая-то, она должна быть почищена до передачи в функцию разбора. Нельзя писать код, который делает всё сразу. Чисткой должна заниматься одна функция, вытаскиванием нужного поля - другая. В этом заключается их функциональная прочность.

bender19911

Июль 17, 2015 09:20:07

Всем спасибо!