pythonでxmlの情報を取得したい

Question

pythonでxmlの情報を取得したいです。

以下のようなxmlがあるとします。
itemの中のname、type、keyが3セットあるのでこれらを取得して、最終的にはpandasに格納したいです。

xml = """
<sample_root>
    <sample_child>
        <sample_child_child>
            <items>
                <item>
                    <name>name_a</name>
                    <type>1</type>
                    <key>key_1</key>
                </item>
                <item>
                    <name>name_b</name>
                    <type>2</type>
                    <key>key_2</key>
                </item>
                <item>
                    <name>name_c</name>
                    <type>3</type>
                    <key>key_3</key>
                </item>
            </items>
        </sample_child_child>
    </sample_child>
</sample_root>
"""

下記のコードを実行しました。

elem = ElementTree.fromstring(xml)
for child in elem:
    print(child.tag,child.attrib)

結果は以下の通りでした。childより深い階層のitemにたどりつけません。どのようにすれば3セットのitemの中の要素やテキストにアクセス・値の取得ができるでしょうか。

sample_child {}

求める結果は以下のようなものです。

name	type	key
name_a	1	key_1
name_b	2	key_2
name_c	3	key_3

Answer 1

BeautifulSoupを使えば、以下のようになります。

from bs4 import BeautifulSoup
import pandas as pd

xml = """
<sample_root>
    <sample_child>
        <sample_child_child>
            <items>
                <item>
                    <name>name_a</name>
                    <type>1</type>
                    <key>key_1</key>
                </item>
                <item>
                    <name>name_b</name>
                    <type>2</type>
                    <key>key_2</key>
                </item>
                <item>
                    <name>name_c</name>
                    <type>3</type>
                    <key>key_3</key>
                </item>
            </items>
        </sample_child_child>
    </sample_child>
</sample_root>
"""

soup = BeautifulSoup(xml)
data = [[x.find('name').text, int(x.find('type').text), x.find('key').text] for x in soup.find_all('item')]
df = pd.DataFrame(data, columns = ['name', 'type', 'key'])
print(df)

実行結果は以下です。

>>> print(df)
     name  type    key
0  name_a     1  key_1
1  name_b     2  key_2
2  name_c     3  key_3

Comments

[iag]

ありがとうございました。

Answer 2

child要素の子要素にはchild要素に対して再度forループを回すことによってアクセスすることができます。

>>> for child in elem:
...     for child_child in child:
...         print(child_child.tag, child_child.attrib)
... 
sample_child_child {}

またインデックスで子要素を指定してアクセスすることもできます。

>>> elem[0][0].tag
'sample_child_child'

またlen関数で子要素の数を取得することもできます。

>>> elem[0][0][0].tag
'items'
>>> len(elem[0][0][0])
3

これらを組み合わせると例えば次のようにすることが可能です。

>>> items = []
>>> for item in elem[0][0][0]:
...     items.append({
...         item[0].tag: item[0].text,
...         item[1].tag: item[1].text,
...         item[2].tag: item[2].text,
...     })
... 
>>> items
[{'name': 'name_a', 'type': '1', 'key': 'key_1'}, {'name': 'name_b', 'type': '2', 'key': 'key_2'}, {'name': 'name_c', 'type': '3', 'key': 'key_3'}]

Comments

[iag]

非常にわかりやすい解説ありがとうございました。