<root> 태그를 Python을 사용하여 XML 문서에 추가

Question

2mil 라인 XML 파일의 시작과 끝 부분에 루트 태그를 추가하여 파이썬 코드로 파일을 올바르게 처리 할 수 ​​있습니다.

은 내가 previous post에서이 코드를 사용하여 시도,하지만 난 오류 "XMLSyntaxError를 : 추가 내용을 문서, 라인 __의 끝에서, 1 열"는 무엇입니까 나는이 문제를 어떻게 해결합니까

를? 아니면 내 큰 XML 문서의 처음과 끝에 루트 태그를 추가하는 더 좋은 방법이 있습니까?

import lxml.etree as ET 
tree = ET.parse('test.xml') 
root = tree.getroot() 
newroot = ET.Element("root") 
newroot.insert(0, root) 
print(ET.tostring(newroot, pretty_print=True)) 

내 테스트 XML은

<pub> 
    <ID>75</ID> 
    <title>Use of Lexicon Density in Evaluating Word Recognizers</title> 
    <year>2000</year> 
    <booktitle>Multiple Classifier Systems</booktitle> 
    <pages>310-319</pages> 
    <authors> 
     <author>Petr Slav&iacute;k</author> 
     <author>Venu Govindaraju</author> 
    </authors> 
</pub> 
<pub> 
    <ID>120</ID> 
    <title>Virtual endoscopy with force feedback - a new system for neurosurgical training</title> 
    <year>2003</year> 
    <booktitle>CARS</booktitle> 
    <pages>782-787</pages> 
    <authors> 
     <author>Christos Trantakis</author> 
     <author>Friedrich Bootz</author> 
     <author>Gero Strau&szlig;</author> 
     <author>Edgar Nowatius</author> 
     <author>Dirk Lindner</author> 
     <author>H&uuml;seyin Kem&acirc;l &Ccedil;akmak</author> 
     <author>Heiko Maa&szlig;</author> 
     <author>Uwe G. K&uuml;hnapfel</author> 
     <author>J&uuml;rgen Meixensberger</author> 
    </authors> 
</pub> 

Answer 1

내가 최고 수준에 하나의 A 요소가 있기 때문에 그 책략이 작동하는지 생각한다. 다행스럽게도 2 백만 라인이 있더라도 필요한 라인을 쉽게 추가 할 수 있습니다.

이렇게하면 lxml 파서가 악센트 부호가있는 문자를 처리 할 수없는 것으로 나타났습니다. 나는 그 (것)들을 anglicise하기 위하여 부호를 추가했다.

import re 

def anglicise(matchobj): return matchobj.group(0)[1] 

outputFilename = 'result.xml' 

with open('test.xml') as inXML, open(outputFilename, 'w') as outXML: 
    outXML.write('<root>\n') 
    for line in inXML.readlines(): 
     outXML.write(re.sub('&[a-zA-Z]+;',anglicise,line)) 
    outXML.write('</root>\n') 

from lxml import etree 

tree = etree.parse(outputFilename) 
years = tree.xpath('.//year') 
print (years[0].text) 

편집 : &를 교체 피하기 위해이 버전으로 anglicise를 교체합니다.

def anglicise(matchobj): 
    if matchobj.group(0) == '&': 
     return matchobj.group(0) 
    else: 
     return matchobj.group(0)[1]