我需要以这种丑陋的格式来解析一些日志文件（任何数量的纯文本标头，其中某些标头在xml中都有附加数据）：
[dd/mm/yy]:message_data
<starttag>
<some_field>some_value</some_field>
....
</starttag>
[dd/mm/yy]:message_data
[dd/mm/yy]:message_data
....
到目前为止，我的方法是：
message_text = None
for line in LOGFILE:
message_start_match = MESSAGE_START_RE.search(line)
if not message_start_match:
header_info = HEADER_RE.search(line)
if message_start_match:
message_text = line
continue
if message_text:
message_text += line
if MESSAGE_END_RE.search(line):
process_message_with_xml_parser(message_text, header_info)
message_text=None
在哪里
MESSAGE_START_RE = re.compile(r"<starttag.*>)
MESSAGE_END_RE = re.compile(r"</starttag>)
header_info is a regex with named fields of the message
你知道更好的方法吗？
这个方法的问题是：我有点用正则表达式解析xml（这很愚蠢）。是否有可以识别文件中xml的开始和结束的软件包？
您仍然可以BeautifulSoup在丑陋的xml上使用。这是一个例子：
from bs4 import BeautifulSoup
data = """[dd/mm/yy]:message_data
<starttag>
<some_field>some_value</some_field>
....
</starttag>
[dd/mm/yy]:message_data
[dd/mm/yy]:message_data"""
soup = BeautifulSoup(data);
starttag = soup.findAll("starttag")
for tag in starttag:
print tag.find("some_field").text
# => some_value
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句