Ho scritto un semplice script per analizzare i log di chat XML utilizzando il modulo BeautifulSoup. Lo standard soup.prettify() funziona bene, eccetto che i log delle chat contengono molto materiale. È possibile vedere sia il codice di script e alcuni dei file di input XML con cui sto lavorando qui di seguito:Python BeautifulSoup XML Parsing
Codice
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])
ingresso di test XML
<?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>
Sono volendo essere in grado di produrre questo in un formato come il seguente o almeno qualcosa che sia più leggibile del puro XML:
Jon: Ehi, come va? [10/31/10 @ 3: 43p]
Jon: ricevuto il tuo messaggio [10/31/10 @ 3: 44p]
Bill: oh, grande [10/31/10 @ 3 : 44p]
ecc. Ho sentito alcune cose decenti sul modulo PyParsing, forse è ora di dargli una possibilità.
Perché non XSLT? Quello sarebbe il più facile. (In effetti: vedo che esiste una direttiva? Xml-stylesheet - che aspetto ha il foglio di stile predefinito?) –
Non è sempre possibile avere il foglio di stile XSL disponibile, quindi la necessità di qualcosa di formattare il registro in qualcosa di un po 'più leggibile . Se posso usare lo stesso foglio di stile di quello che ho, potrebbe anche funzionare. –