Как разобрать xml на python

Возьми реальный файлик, который пробегал в посте. Там 98 записей.

Какая разница, сколько там записей? Я спарсил только те которые нужны.

Ты их парсил поколоночно, чудик. Никакого звоночка не звенит?

Ты их парсил поколоночно

Нет. Я вообще не пойму о чем ты лепечешь. У тебя вывод соответствует заявленому ТС или нет? console.log(data) что выводит? Если это то что надо (как в моем случае) — разговаривать не о чем.

Ок, ты все таки непроходимо туп. Я сдаюсь.

Короче, у меня все работает. Мне кому верить, своим глазам или тебе? Выбор очевиден. Твои мнимые претензии к коду я списываю на попаболь.

Внимание, внимание! Новость дня! Дкстра смог написать код для парсинга XML с регэкспами и функцией map, чем привел в полное недоумение троллей, анонимуса, и других обитателей ЛОРа. Впрочем, по причине чрезвычайной криптанутости его кода, он так и не сумел ничего доказать!На данный момент противостояние продолжается! 😊

Как это я удачно попкорна купил

Ты, петушок, смотрю хочешь чтоб тебя совсем опустили, чтоб наружу торчали только одни печальные глаза.

Данные:

<?xml version="1.0" encoding="UTF-8"?>
<playlist xmlns="http://xspf.org/ns/0/" xmlns:vlc="http://www.videolan.org/vlc/playlist/ns/0/" version="1">
  <title>Weburg.TV</title>
  <creator>Weburg Ltd.</creator>
  <date>2015-01-18T12:26:01+05:00</date>
  <trackList>
    <track>
      <location>udp://@239.255.2.122:1234</location>
      <title>Первый канал</title>
      <extension application="http://www.videolan.org/vlc/playlist/0">
        <vlc:id xmlns:vlc="vlc">1</vlc:id>
      </extension>
    </track>
    <track>
      <location>udp://@239.255.2.123:1234</location>
      <title>Россия 1</title>
      <image>IMAGE FOR RUSSIA CHANNEL</image>
      <extension application="http://www.videolan.org/vlc/playlist/0">
        <vlc:id xmlns:vlc="vlc">2</vlc:id>
      </extension>
    </track>
  </trackList>
</playlist>

Твой говнокод, поправленный, чтоб он хоть как-то хромал:

fs = require('fs')
s = fs.readFileSync('/tmp/playlist.xml', 'utf-8')

parse=function(word){
   var re=new RegExp("<"+word+">[^<]+", "g")
   return s.match(re).map(function(e){return e.replace(/^.*>/, "")})
}
data=[
 parse("location"),
 parse("title").slice(1),
 parse("image"),
 s.match(/<vlc:id[^\d]+(\d+)/g).map(function(e){return e.replace(/\D+/g, "")})
]

data=data.map(function(arr){return arr[0]})
 .join("|")+"\n"+data.map(function(arr){return arr[1]}).join("|")

console.log(data)

И выхлоп:

udp://@239.255.2.122:1234|Первый канал|IMAGE FOR RUSSIA CHANNEL|1
udp://@239.255.2.123:1234|Россия 1||2

И если ты, животное, хотя тут даже макака может заметить проблему, даже сейчас не поймешь, то обозначу багу совсем явно: картинка для «Россия 1» уползла на «Первый канал».

Давай, кукарекай теперь.

XML парсят регэкспами только извращенцы.
Если у тебя входные данные XML, то они валидны. Если у тебя «HTML» из ада то используются супопарсеры.

Если бы все вещи были столь однозначны - жить в нашем суровом мире было бы значительно проще. У регэкспов в некоторых случаях бывает по крайней мере одно преимущество - они оказываются быстрее. Но всё зависит от типа задачи и места её применения, да.

Бесспорно. Регекспы иногда даже лучше, поскольку позволяют игнорировать ошибки в структуре xml, когда эти ошибки не важны.

Выцепить несколько тэгов с данными как раз такой случай. Но делать это надо с умом. Вот например в данном случае: не важно правильный или неправильный xml попался. Важно, чтобы каждый выцепляемый набор тэгов был min полным - нужно убедиться, что все интересующие нас тэги присутствуют в выцепленном наборе. Остальные ошибки в структуре xml как раз лучше игнорировать.

И понятность опять же. Это конечно тоже не абсолютное добро, но чаще всего оправдывает себя. Как-то интерфейс специализированных библиотек для разбора xml способствует написанию понятного кода. Код Дкстра ведь плох не использованием регэкспов, а тем что он непонятен, неструктурирован, трудномодифицируем, не учитывает граничные и ошибочные ситуации.

валидировать xml регекспами это некст левел

Как разобрать xml на python (комментарий)

В теории новомодными регэкспами это возможно😊 Но это реально *уита в квадрате.

Теперь я убедился окончательно в том, что ты конченый идиот. вот тебе XML

<huy>huy</huy>

Ты кукарекаешь неправильно. У ТСа это реальные данные.

У тебя, по сути, немного вариантов.

* Признать себя конченой нулиной.

* Попробовать написать рабочий код.

* Или продолжать высирать шизоидные какулы. Но учти, точка уже поставлена, даже низшие приматы тыкают в тебя пальцем, и ничего путного из этого не выйдет, так-то.

Разговор с тобой я продолжу только во втором случае, адью моя обосранная шери.

У ТСа это реальные данные.

да что ты говоришь, петушок, найди десять отличий:

<title>Первый канал</title>     <image>http://gl.weburg.net/00/tv/channels/1/14/amino/380642.jpg</image>

<title>Первый канал</title>
      <extension application="http://www.videolan.org/vlc/playlist/0">

Последний раз, когда я делал такое на коленке, я выкусывал ближайший тэг, содержащий блок нужных мне данных, проверял что в этом тэге есть все данные интересующего меня блока и в единственном экземпляре, и выкусывал их. На остальную структуру xml забивал.

В твоём сообщении упоминался не только xml:

Если у тебя «HTML» из ада то используются супопарсеры.

А в моём про скорость указывалось не случайно:

У регэкспов в некоторых случаях бывает по крайней мере одно преимущество - они оказываются быстрее.

И не просто так говорилось:

Но всё зависит от типа задачи и места её применения, да.

Так вот, немного о задаче - как и у ОПа это дополнение к Kodi/XBMC, правда в моём случае парсится не xml, а html, и помимо этого в требованиях присутствует такой пункт как «адекватная работа» на Raspberry Pi. На данный момент всё реализовано именно с помощью beautifulsoup, нет, оно конечно работает, но об «адекватной работе» говорить не приходится - всё ужасно медленно.

всё ужасно медленно

Кстати, интересно глянуть сравнение скорости работы regexp/xml.etree/bs4

Не знаю как etree, а вот знакомый сказал что libxml2 очень плохо работало на больших файлах. Регекспом (perl) было быстрее на несколько порядков.

Но я за использование etree потому что кривые самопальные регексп-парсеры это частая причина неработоспособности сайтов. Причём, зачастую там такая каша что хрен разберёшь. Что касается объёма кода то, грубо говоря, это никого не волнует. Вообще. От того что кода стало на две строчки меньше в одном простом компоненте бизнес не выиграет.

согласен, но я все же стараюсь использовать bs как универсальное решение (xml/html). С ним код понятнее и не перегружен всякими специфичными для парсинга xml вещами. По скорости ничего не могу сказать т.к. у меня большая часть времени тратится на получение xml/html из облака, вот потому и интересуюсь:)

Смотри, leave, как этот хуесос разошелся. Петушками всех называет, а у самого жопа полна сметаны

Я правильно понимаю что bs ещё умеет «проглатывать» некоторые ошибки в xml? (пишу по памяти, последний раз смотрел на него лет эдак пять-семь назад). Всё же кривой xml это ой как не редкость если его генерят вручную из похапэ. Тут и с кодировками проблемы, и тэги могут быть незакрытые итд итп... В таких случаях etree не помощник.

Я правильно понимаю что bs ещё умеет «проглатывать» некоторые ошибки в xml?

Ага. И в юникод все конвертит, что тоже полезно

!!!Не коммерция!!!Хобби
Для себя и Жены (с большой буквы ЛЮБЛЮ ЕЁ) понравился ей XBMC теперь Kodi) и славного города Екатеринбург.
Есть пока только мысли (и почти готовый addon был до этого скрипт на perl, код готов для http://weburg.net/), это выложить в addon для Kodi(XBMC). И вот вопросы...
Как Вы относитесь с данным кодом и его (доработкой мной и не только )
Ну так как к Вам много вопросов, вопросы в доработке.
::почта мойникGAV(не помню как собачка лает у меня кошка та которая на аватарке)mail.ru