python 如何按照标签分割、合并xml文件

问题遇到的现象和发生背景

先放xml文件截图

img


我希望能够从第二个pb开始，分成两个xml文件，然后我再将两个文件用dom处理完后（dom方法处理文件不是我要问的问题），将其合成一个文件

问题相关代码，请勿粘贴截图

我在分割代码的时候，用了正则和字符串的分割，但是并没有达成我的效果
以下是我写的代码

import re
import traceback


def readXml(filepath):
    try:
        #不要把open放在try中，以防止打开失败，那么就不用关闭了
        file_object = open(filepath,"rb")   
        #file_context是一个string，读取完后，就失去了对test.txt的文件引用
        file_context = file_object.read().decode('utf-8')
        
        file_object.close()
        return file_context
    except:
        traceback.print_exc()
        #print("出现异常，没有文件。")
        return ""


root = readXml("E:\Python\Test\data\86B16D05_AD4C_4C1F_A7B6_76672C3B1A27\C_00000.xml")
# print(root)
strPb = re.split('<pb no=\"000[0-9]{2}\" width=\"1494\" height=\"1000\" />',root)
print(strPb)
运行结果及报错内容

img

我的解答思路和尝试过的方法

我尝试了用字符串读取的方法，但我觉得这样行不通，还有别的方法能够打成吗？

我想要达到的结果

1、我希望能够按照pb处将其分割成多个文件，两个pb之间的内容是一个文件，
2、在分成多个xml之后，我要用dom处理，处理完后我希望能够将它们再合并回去，合并成原来结构的xml
3、能否尽量用dom方法或者字符串正则方法
万分感谢

如果只是去除特定的字符串，用re.sub替换掉试试，例如：

import re
import xml.etree.ElementTree as ET
from xml.dom import minidom

s = '''<article><pb pos="1"><ab>vtext</ab><bb no="123">1</bb></pb><pb pos="2"><ab>vtext1</ab><bb no="457">2</bb></pb></article>'''
rf=re.sub('<pb pos="\d+">','',s)
rs=re.sub('</pb>','',rf)
dom = minidom.parseString(rs)
with open('a.xml', 'w') as f:
    dom.writexml(f, "",'\t',newl="\n",encoding='utf-8')

你题目的解答代码如下：

import re
root = '''
<article>
    <pb no="00001" width="1494" height="1000" />
    <xxxx>1</xxxx>
    <xxxx>2</xxxx>
    <pb no="00002" width="1494" height="1000" />
    <xxxx>3</xxxx>
    <xxxx>4</xxxx>
    <xxxx>5</xxxx>
    <pb no="00003" width="1494" height="1000" />
    <xxxx>6</xxxx>
    <xxxx>7</xxxx>
</article>
'''
d = re.split(r'(<pb no="\d+" width="1494" height="1000" />)',root)
li = []
si = 0
for ei in range(3,len(d)+1,2):
    li.append("".join(d[si:ei]))
    si = ei

print(li)

如有帮助，请点击我的回答下方的【采纳该答案】按钮帮忙采纳下，谢谢!

img

您好，我是有问必答小助手，您的问题已经有小伙伴帮您解答，感谢您对有问必答的支持与关注！
PS：问答VIP年卡 【限时加赠：IT技术图书免费领】，了解详情>>> https://vip.csdn.net/askvip?utm_source=1146287632