清理XML ==> 如果有空标签，则删除该行

Question

我想清理我的 XML，使其不仅是有效的 XML，而且以一种非常易读的方式格式化。例如：

<Items>
    <Name>Hello</Name>
    <Cost>9.99</Cost>
    <Condition/>
</Items>

我希望删除任何不含内容的标签行，只留下如下内容：

<Items>
    <Name>Hello</Name>
    <Cost>9.99</Cost>
</Items>

我试着用正则表达式来实现这个功能，但是没有成功将它保留在易读的格式中：

txt = etree.tostring(self.xml_node, pretty_print=True)
txt = re.sub(r'<[a-zA-Z]+/>\n', '', txt)

如何最好地完成上述任务？

- David542

---

为什么不在它还是XML的时候就删除空节点，而不是在它变成字符串后再尝试删除？ - jonrsharpe

“空标签”是什么意思？您是否指的是独立标签，即使它有属性？ - user557597

使用正则表达式路由，这个可能会起作用 (?s)<[\w:]+(?:\s+(?:".*?"|'.*?'|[^>]*?)+)?/>。 - user557597

Answer 1

使用XML解析器。

思路是使用//*[not(node())] XPath表达式查找所有空节点，并从树中删除它们。例如，使用lxml：

from lxml import etree


data = """
<Items>
    <Name>Hello</Name>
    <Cost>9.99</Cost>
    <Condition/>
</Items>
"""

root = etree.fromstring(data)
for element in root.xpath(".//*[not(node())]"):
    element.getparent().remove(element)

print etree.tostring(root, pretty_print=True)

- alecxe

Answer 2

这个解决方案可以考虑用于XML数据的n级深度。

from lxml import etree

def recursively_empty(xml_element):
   if xml_element.text:
       return False
   return all((recursively_empty(xe) for xe in xml_element.iterchildren()))

data = """
<Items>
    <Name>Hello</Name>
    <Cost>9.99</Cost>
    <Condition/>
</Items>
"""

xml_root = etree.iterwalk(data)

for action, xml_element in xml_root:
    parent = xml_element.getparent()
    if recursively_empty(xml_element):
        parent.remove(xml_element)

请注意：使用递归方法的原因是为了解决XML数据的多级深度问题。 解决方案应该适用于各种深度。

data1 = """
<Items>
    <Name>Hello</Name>
    <Cost>9.99</Cost>
    <Condition/>
</Items>
"""

data2 = """
<Items>
    <Name>Hello</Name>
    <Cost>9.99</Cost>
    <Condition>
        <cond1>Somedata</cond1>
    </Condition>
</Items>
"""

data3 = """
<Items>
    <Name>Hello</Name>
    <Cost>9.99</Cost>
    <Condition>
        </cond1>
    </Condition>
</Items>
"""

- Pralhad Narsinh Sonar