ディレクトリとすべてのサブディレクトリ内のすべてのXMLファイルを解析する

Question

私はPythonを初めて使用していますが、私はDelphiでいくつかの経験があります。 ディレクトリ内のすべてのXMLファイル（そのディレクトリ内のすべてのサブディレクトリを含む）を検索し、そのXMLを解析してそこからいくつかのデータ（数値）を単純なtxtファイルに保存できるスクリプトを作成しようとしています。その後、私はそのtxtファイルを使って、以前に作成されたtxtファイルからのユニークな数字セットだけを持つ別のtxtファイルを作成します。

私はこのスクリプトを作成しました：

import os 
from xml.dom import minidom 

#for testing purposes 
directory = os.getcwd() 

print("Procházím aktuální adresář, hledám XML soubory...") 
print("Procházím XML soubory, hledám IČP provádějícího...") 

with open ('ICP_all.txt', 'w') as SeznamICP_all: 
    for root, dirs, files in os.walk(directory): 
     for file in files: 
      if (file.endswith('.xml')): 
       xmldoc = minidom.parse(file) 
       itemlist = xmldoc.getElementsByTagName('is') 
       SeznamICP_all.write(itemlist[0].attributes['icp'].value + '\n') 

print("Vytvářím list unikátních IČP...") 

with open ('ICP_distinct.txt','w') as distinct: 
    UnikatniICP = [] 
    with open ('ICP_all.txt','r') as SeznamICP_all: 
     for line in SeznamICP_all: 
      if line not in UnikatniICP: 
       UnikatniICP.append(line) 
       distinct.write(line) 

print('Počet unikátních IČP:' + str(len(UnikatniICP))) 
input('Pro ukončení stiskni libovolnou klávesu...') 

intentedとしてそれは、その場合には、私はエラーを取得し、サブディレクトリがあるだけまで動作します：ファイルがあることに起因する

FileNotFoundError: [Errno 2] No such file or directory: 'RNN38987.xml' 

サブディレクトリにあり、pythonスクリプトを持つディレクトリではありません。私はそれがで動作するように、ファイルの絶対パスを取得するには、パスを経由して動作させることを試みたが、私はより多くのエラーを取得しています、スクリプトを参照してください。

import os 
from xml.dom import minidom 
from pathlib import Path 

#for testing purposes 
directory = os.getcwd() 

print("Procházím aktuální adresář, hledám XML soubory...") 
print("Procházím XML soubory, hledám IČP provádějícího...") 

with open ('ICP_all.txt', 'w') as SeznamICP_all: 
    for root, dirs, files in os.walk(directory): 
     for file in files: 
      if (file.endswith('.xml')): 
       soubor = Path(file).resolve() 
       print(soubor) 
       xmldoc = minidom.parse(soubor) 
       itemlist = xmldoc.getElementsByTagName('is') 
       SeznamICP_all.write(itemlist[0].attributes['icp'].value + '\n') 

print("Vytvářím list unikátních IČP...") 

with open ('ICP_distinct.txt','w') as distinct: 
    UnikatniICP = [] 
    with open ('ICP_all.txt','r') as SeznamICP_all: 
     for line in SeznamICP_all: 
      if line not in UnikatniICP: 
       UnikatniICP.append(line) 
       distinct.write(line) 

print('Počet unikátních IČP:' + str(len(UnikatniICP))) 
input('Pro ukončení stiskni libovolnou klávesu...') 

私は今取得していますエラー、私は本当に理解していないとGoogleはどちらか助けていません - 全体のログを：

Procházím aktuální adresář, hledám XML soubory... 
Procházím XML soubory, hledám IČP provádějícího... 
C:\2_Programming\Python\IČP FINDER\src\20150225_1815_2561_1.xml 
Traceback (most recent call last): 
    File "C:\2_Programming\Python\IČP FINDER\src\ICP Finder.py", line 17, in <module> 
    xmldoc = minidom.parse(soubor) 
    File "C:\2_Programming\Python\Interpreter\lib\xml\dom\minidom.py", line 1958, in parse 
    return expatbuilder.parse(file) 
    File "C:\2_Programming\Python\Interpreter\lib\xml\dom\expatbuilder.py", line 913, in parse 
    result = builder.parseFile(file) 
    File "C:\2_Programming\Python\Interpreter\lib\xml\dom\expatbuilder.py", line 204, in parseFile 
    buffer = file.read(16*1024) 
AttributeError: 'WindowsPath' object has no attribute 'read' 

あなたは私を助けてくださいことはできますか？あなたのforループの各反復で

with open ('ICP_all.txt', 'w') as SeznamICP_all: 
    for root, dirs, files in os.walk(directory): 
     for file in files: 
      if (file.endswith('.xml')): 
       xmldoc = minidom.parse(os.path.join(root, file)) 
       itemlist = xmldoc.getElementsByTagName('is') 
       SeznamICP_all.write(itemlist[0].attributes['icp'].value + '\n') 

、rootはfilesとdirsが存在するディレクトリを参照します。

Answer 1

あなたが探しているパターンは次のようです。

Answer 2

Robの答えで説明した問題は、パスに参加していないためです.cwdを離れると、ディレクトリ外のファイルを探していますが、cwdで探しています。

あなたのpython3のバージョンが3.5を再帰的に検索globを使用して、すべてのXMLファイルを見つけることができている場合は、ファイルを見つけるために、他のオプションのカップルを持っているoythin3使用しているので：

import glob 
import os 
from xml.dom import minidom 

directory = os.getcwd() 

with open ('ICP_all.txt', 'w') as SeznamICP_all: 
    for file in glob.iglob(directory+'/**/*xml', recursive=True): 
      xmldoc = minidom.parse(file) 
      itemlist = xmldoc.getElementsByTagName('is') 
      SeznamICP_all.write(itemlist[0].attributes['icp'].value + '\n') 

それともあれば別に

from pathlib import Path 


with open ('ICP_all.txt', 'w') as SeznamICP_all: 
    for file in Path(directory).glob('**/*.xml') 
     xmldoc = minidom.parse(file) 
     itemlist = xmldoc.getElementsByTagName('is') 
     SeznamICP_all.write(itemlist[0].attributes['icp'].value + '\n')