비표준 XML을위한 python과 함께 적절한 xpath 구문

Question

입력 파일은 실제로 하나의 파일에 추가되는 여러 XML 파일입니다. (출처 : Google Patents).

import urllib2, os, zipfile 
from lxml import etree 
count = 0 
for item in xmlSplitter(zf.open(xml_file)): 
    count += 1 
    if count > 1: break 
    doc = etree.XML(item) 
    docID = "-".join(doc.xpath('//publication-reference/document-id/*/text()')) 
    title = first(doc.xpath('//invention-title/text()')) 
    applicant = "-".join(doc.xpath('//applicants/applicant/*/text()')) 
    print "DocID: {0}\nTitle: {1}\nApplicant: {2}\n".format(docID,title,applicant) 
    outFile.write(str(docID) +"|"+ str(title) +"|"+ str(applicant) +"\n") 

다음 LXML와 Python으로 다음을 사용하여 <applicant>에서 나는 아이들과 손자 모두를위한 "-".join XPath는 문자열을 만들려고 해요

<?xml version="1.0" encoding="UTF-8"?> 
<!DOCTYPE us-patent-grant SYSTEM "us-patent-grant-v42-2006-08-23.dtd" [ ]> 
<us-patent-grant lang="EN" dtd-version="v4.2 2006-08-23"> 
<applicants> 
<applicant sequence="001" app-type="applicant-inventor" designation="us-only"> 
<addressbook><last-name>Beyer</last-name> 
<first-name>Daniel Lee</first-name> 
<address><city>Franklin</city> 
<state>TN</state> 
<country>US</country></address></addressbook> 
<nationality><country>omitted</country></nationality> 
<residence><country>US</country></residence> 
</applicant> 
<applicant sequence="002" app-type="applicant-inventor" designation="us-only"> 
<addressbook><last-name>Friedland</last-name> 
<first-name>Jason Michael</first-name> 
<address><city>Franklin</city> 
<state>TN</state> 
<country>US</country></address></addressbook> 
<nationality><country>omitted</country></nationality> 
<residence><country>US</country></residence> 
</applicant> 
</applicants> 
</us-patent-grant> 
<?xml version="1.0" encoding="UTF-8"?> 
<!DOCTYPE us-patent-grant SYSTEM "us-patent-grant-v42-2006-08-23.dtd" [ ]> 

:이 예입니다

나는 복수 xpath combinations을 시도했지만, <applicants>에 하이픈이 포함 된 문자열을 생성 할 수없고, //text()는 손주에게 가지 않습니다. 끈에 도움. 자식과 손자녀 내의 모든 텍스트를 <applicant>으로 선택하기위한 적절한 xpath 구문은 무엇이며 여전히 문자열로 펀치 아웃합니까? 이 예제에서는 표시되지 않지만 텍스트 줄의 시작 부분에 나타날 수도있는 유니 코드를 무시하는 방법이 있습니다 (일부 XML 문서에 표시됩니다). 내가 좋아하는 뭔가 보일 것입니다 얻을 수 있었으면 해요 '신청자'출력 :

Beyer-Daniel Lee-Franklin-TN-US-omitted-US-Friedland-Jason Michael-Franklin-TN-US-omitted-US 

Answer 1

이 질문은 this other question of yours 매우 유사하다.

두 가지 문제가 여기에 있습니다 :

1. 는 방법 "표준이 아닌 XML"을 "표준 XML"에서 얻을 수 있나요?
2. XPath를 사용하여 하위 요소의 텍스트 값을 가져오고 연결하는 방법은 무엇입니까?

공격하기 전에 1을 해결해야합니다. 2. 도움이 필요하면 별도의 질문을하십시오.

"비표준 XML"은 이 아니며 XML은 모두과 동일합니다. XML로 구문 분석 할 수 없으며 XPath를 XML로 사용할 수 없습니다. 그러나 당신은 어쨌든 그것을하려고하는 것처럼 보이게 만드는 방식으로 질문을 표현했습니다.

"표준 XML"에 대한 질문이 실제로 있다고 가정하면 my answer to your other question과 같은 접근 방식을 사용하는 것이 어떻습니까?