python - open - xml etree elementtree example

¿Cómo puedo tomar series de datos del archivo xml o tcx?

Question

Quiero tratar los datos del archivo .tcx (formato xml) entre etiquetas específicas con Python.
El formato de archivo es como sigue.

 <Track>
      <Trackpoint>
        <Time>2015-08-29T22:04:39.000Z</Time>
        <Position>
          <LatitudeDegrees>37.198049426078796</LatitudeDegrees>
          <LongitudeDegrees>127.07204628735781</LongitudeDegrees>
        </Position>
        <AltitudeMeters>34.79999923706055</AltitudeMeters>
        <DistanceMeters>7.309999942779541</DistanceMeters>
        <HeartRateBpm>
          <Value>102</Value>
        </HeartRateBpm>
        <Cadence>76</Cadence>
        <Extensions>
          <TPX xmlns="http://www.garmin.com/xmlschemas/ActivityExtension/v2">
            <Watts>112</Watts>
          </TPX>
        </Extensions>
      </Trackpoint>
....Lots of <Trackpoint> ... </Trackpoint>
</Track>

Eventualmente, haré una tabla de Datos con columnas de ''Lattitude, Altitude, ... Watts''.
Primero traté de hacer una lista a partir de datos modificados (como Watts ... / Watts) con BeautifulSoup, xpath, etc. Pero soy un novato para manejar estas herramientas. ¿Cómo puedo obtener datos entre las etiquetas en un archivo xml con Python?

Answer 1

Puede usar el módulo lxml , junto con XPath . lxml es bueno para analizar XML / HTML, recorrer árboles de elementos y devolver texto / atributos de elementos. Puede seleccionar elementos particulares, conjuntos de elementos o atributos de elementos usando XPath . Usando sus datos de ejemplo:

content = ''''''
<Track>
      <Trackpoint>
        <Time>2015-08-29T22:04:39.000Z</Time>
        <Position>
          <LatitudeDegrees>37.198049426078796</LatitudeDegrees>
          <LongitudeDegrees>127.07204628735781</LongitudeDegrees>
        </Position>
        <AltitudeMeters>34.79999923706055</AltitudeMeters>
        <DistanceMeters>7.309999942779541</DistanceMeters>
        <HeartRateBpm>
          <Value>102</Value>
        </HeartRateBpm>
        <Cadence>76</Cadence>
        <Extensions>
          <TPX xmlns="http://www.garmin.com/xmlschemas/ActivityExtension/v2">
            <Watts>112</Watts>
          </TPX>
        </Extensions>
      </Trackpoint>
....Lots of <Trackpoint> ... </Trackpoint>
</Track>
''''''

from lxml import etree

tree = etree.XML(content)
time = tree.xpath(''Trackpoint/Time/text()'')

print(time)

Salida

[''2015-08-29T22:04:39.000Z'']

Answer 2

Incluso puede usar el módulo lxml para convertir XML a CSV (para una posterior importación en un dataframe, hoja de cálculo o tabla de base de datos) utilizando una lista iterada de Python en varios XPaths.

Observe que el último nodo de Watts es un XPath especial y más largo debido al escape del espacio de nombres especial, xlmns no registrado en XML de muestra.

import os, csv
import lxml.etree as ET

# SET DIRECTORY
cd = os.path.dirname(os.path.abspath(__file__))

# LOAD XML FILE
xmlfile = ''trackXML.xml''
dom = ET.parse(os.path.join(cd, xmlfile))

# DEFINING COLUMNS
columns = [''latitude'', ''longitude'', ''altitude'', ''distance'', ''watts'']

# OPEN CSV FILE
with open(os.path.join(cd,''trackData.csv''), ''w'') as m:
    writer = csv.writer(m)    
    writer.writerow(columns)

    nodexpath = dom.xpath(''//Trackpoint'')

    dataline = []   # FOR ONE-ROW CSV APPENDS
    datalines = []  # FOR FINAL OUTPUT 
    for j in range(1,len(nodexpath)+1):        
        dataline = []

        # LOCATE PATH OF EACH NODE VALUE
        latitudexpath = dom.xpath(''//Trackpoint[{0}]/Position/LatitudeDegrees/text()''.format(j))
        dataline.append('''') if latitudexpath == [] else dataline.append(latitudexpath[0])

        longitudexpath = dom.xpath(''//Trackpoint[{0}]/Position/LongitudeDegrees/text()''.format(j))
        dataline.append('''') if longitudexpath == [] else dataline.append(longitudexpath[0])

        altitudexpath = dom.xpath(''//Trackpoint[{0}]/AltitudeMeters/text()''.format(j))
        dataline.append('''') if altitudexpath == [] else dataline.append(altitudexpath[0])

        distancexpath = dom.xpath(''//Trackpoint[{0}]/DistanceMeters/text()''.format(j))
        dataline.append('''') if distancexpath == [] else dataline.append(distancexpath[0])

        wattsxpath = dom.xpath("//Trackpoint[{0}]/*[name()=''Extensions'']/*[name()=''TPX'']/*[name()=''Watts'']/text()".format(j))
        dataline.append('''') if wattsxpath == [] else dataline.append(wattsxpath[0])

        datalines.append(dataline)
        writer.writerow(dataline)

print(datalines)

Además del archivo CSV, a continuación se muestra el resultado de la lista de datos de las columnas seleccionadas:

[[''37.198049426078796'', ''127.07204628735781'', ''34.79999923706055'', ''7.309999942779541'', ''112'']]

Answer 3

El programa Python https://github.com/cast42/vpower/blob/master/vpower.py itera sobre el archivo TCX especificado en la línea de comando y agrega un campo de potencia para todas las mediciones de la actividad de ciclismo. Utiliza la biblioteca lxml para la velocidad y porque trata con espacios de nombres. En versiones anteriores de este programa utilicé xml.etree.ElementTree pero encontré problemas con los espacios de nombres.