पायथन के साथ बड़ी एक्सएमएल फ़ाइल को पार्सिंग - etree.parse त्रुटि

Question

lxml.etree.iterparse फ़ंक्शन का उपयोग करके निम्न पायथन फ़ाइल को पार्स करने का प्रयास कर रहा है।

"sampleoutput.xml"

<item> 
    <title>Item 1</title> 
    <desc>Description 1</desc> 
</item> 
<item> 
    <title>Item 2</title> 
    <desc>Description 2</desc> 
</item> 

मैं etree.iterparse (myFile) कहते हैं मैं myFile = खुला ("/ उपयोगकर्ताओं/eric/डेस्कटॉप/wikipedia_map से पहले किया था से Parsing Large XML file with Python lxml and Iterparse

कोड की कोशिश की /sampleoutput.xml","r ")

लेकिन यह निम्न त्रुटि जाता

Traceback (most recent call last): 
    File "/Users/eric/Documents/Programming/Eclipse_Workspace/wikipedia_mapper/testscraper.py", line 6, in <module> 
    for event, elem in context : 
    File "iterparse.pxi", line 491, in lxml.etree.iterparse.__next__ (src/lxml/lxml.etree.c:98565) 
    File "iterparse.pxi", line 543, in lxml.etree.iterparse._read_more_events (src/lxml/lxml.etree.c:99086) 
    File "parser.pxi", line 590, in lxml.etree._raiseParseError (src/lxml/lxml.etree.c:74712) 
lxml.etree.XMLSyntaxError: Extra content at the end of the document, line 5, column 1 

कोई विचार? धन्यवाद!

Answer 1

समस्या यह है कि एक्सएमएल अच्छी तरह से गठित नहीं है अगर उसके पास बिल्कुल एक शीर्ष-स्तरीय टैग नहीं है। आप पूरे दस्तावेज़ को <items></items> टैग में लपेटकर अपना नमूना ठीक कर सकते हैं। आप जिस क्वेरी का उपयोग कर रहे हैं उससे मेल खाने के लिए आपको <desc/> टैग की भी आवश्यकता है (description)।

<items> 
    <item> 
    <title>Item 1</title> 
    <description>Description 1</description> 
    </item> 
    <item> 
    <title>Item 2</title> 
    <description>Description 2</description> 
    </item> 
</items> 

Answer 2

जहां तक ​​मुझे पता है, xml.etree.ElementTree आमतौर पर एक्सएमएल फ़ाइल को "रूट" तत्व रखने की अपेक्षा करता है, यानी एक एक्सएमएल टैग जो पूर्ण दस्तावेज़ संरचना को संलग्न करता है। आपके द्वारा पोस्ट किए गए त्रुटि संदेश से मैं मानता हूं कि यह समस्या भी है:

'लाइन 5' दूसरे <item> टैग को संदर्भित करता है, इसलिए मुझे लगता है कि पायथन शिकायत करता है कि अनुमानित मूल तत्व के बाद निम्नलिखित डेटा है (यानी पहला <item> टैग) बंद था।