如果是XML,请使用
ElementTree解析它:
from xml.etree import ElementTree
line = ''
element = ElementTree.fromstring(line)
对于每个XML元素,您可以轻松提取名称和所有属性:
>>> element.tag
'word'
>>> element.attrib
{'head': '7', 'form': 'hibernis', 'postag': 'n-p---nb-', 'lemma': 'hibernus1', 'relation': 'ADV', 'id': '8'}
因此,如果您有一个包含大量单词XML元素的文档,那么这样的内容将从每个元素中提取您想要的信息:
from xml.etree import ElementTree
XML = '''
'''
root = ElementTree.fromstring(XML)
for element in root.findall('word'):
form = element.attrib['form']
lemma = element.attrib['lemma']
postag = element.attrib['postag']
print form, lemma, postag
如果只有文件名,请使用parse()而不是fromstring().