9

O caso é que tenho um arquivo produzido por um Garmin (aparelho GPS para exercício físico) e quero remover todos os campos referentes ao batimento cardíaco para passar o arquivo a um atleta que fez o exercício comigo. O arquivo está no formato GPX e é mais ou menos assim:

<?xml version="1.0" encoding="UTF-8"?>
<gpx version="1.1" ...>
  <metadata>...</metadata>
  <trk>
    <trkseg>
      <trkpt lon="00" lat="00">
        <ele>000</ele>
        <time>2014-01-01T00:00:00.000Z</time>
        <extensions>
          <gpxtpx:TrackPointExtension>
            <gpxtpx:hr>99</gpxtpx:hr>
          </gpxtpx:TrackPointExtension>
        </extensions>
      </trkpt>
      ....
      <trkpt ...>
        ...
        <extensions>
          ...
        </extensions>
      </trkpt>
    </trkseg>
  </trk>
</gpx>

O sistema basicamente gera um elemento <trkpt> a cada leitura (geográfica + fisiológica + outros aparelhos). Eu preciso remover todas as instâncias do elemento <extensions> dentro dos <trkpt> (ou seja, todo o conteúdo do mesmo). Eu tentei utilizando a biblioteca ElementTree com o seguinte código:

import xml.etree.ElementTree as ET
tree = ET.parse('input.gpx')
root = tree.getroot()
for ext in root[1][2].iter('{http://www.topografix.com/GPX/1/1}trkpt'):
  ext = trkpt.find('{http://www.topografix.com/GPX/1/1}extensions')
  root.remove(ext)
tree.write('output.gpx')

O código até remove os elementos, mas eu não gostei de 3 coisas aqui:

A primeira é que a biblioteca adiciona as URLs dos esquemas de XML aos nomes dos elementos. Perdi um bom tempo sem entender porquê meu algoritmo não encontrava os elementos...

A segunda é esse root[1][2] para ter um apontador para o pai dos elementos que quero remover. Eu conseguiria ter acesso aos elementos diretamente invocando root.iter('{...}extensions').

E por fim, a questão mais séria é que ao escrever o resultado no arquivo percebi que a biblioteca renomeia as tags quebra o formato original. O resultado ficou assim:

<?xml version='1.0' encoding='UTF-8'?>
<ns0:gpx ...>
  <ns0:metadata>...</ns0:metadata>
  <ns0:trk>...</ns0:trk>
</ns0:gpx>

Como não tenho experiência com esta biblioteca talvez esteja faltando alguma configuração que não vi na minha leitura superficial da documentação. Estou buscando então uma solução para meu problema com esta ou outra biblioteca.

5
  • 2
    É necessário ser em Python? É possível fazer isso com sed: sed '/<extensions>/,/<\/extensions>/d' input.gpx
    – user568459
    Commented 9/01/2014 às 19:15
  • Agradeço a dica Francisco. Eu já inclusive resolvi usando algo muito parecido dentro do Vim, mas estou tentando melhor meu pythonês. []
    – Nigini
    Commented 10/01/2014 às 14:02
  • Ah, certo. É que você disse que era só para passar um arquivo para um amigo, achei que só queria uma solução rápida. :)
    – user568459
    Commented 10/01/2014 às 15:07
  • 1
    To sem tempo de escrever um exemplo agora, por isso vou comentar e não criar uma resposta. Mas da uma olhada na lib BeautifulSoup, muito usada para esse tipo de script. Commented 10/01/2014 às 17:24
  • Valeu @thiago-silva. Usei sua recomendação e postei uma resposta aqui. Muito legal a BeautifulSoup.
    – Nigini
    Commented 10/01/2014 às 18:16

5 Respostas 5

6

Segui a dica deixada nos comentários da pergunta e resolvi o problema usando a biblioteca BeautifulSoup 4 (obrigado @thiago-silva)

from bs4 import BeautifulSoup
soup = BeautifulSoup(open('input.gpx'), 'xml')
for ext in soup.find_all('extensions'):
  removed = ext.extract()

output = open('output.gpx','w')
output.write(soup.prettify())
output.close()
2

Recomendo o uso da biblioteca lxml pela performance e simplicidade da mesma:

from lxml import etree

gpx = etree.parse(open('input.gpx'))

for node in gpx.xpath('//trkpt/extensions'):
    node.getparent().remove(node)

gpx.write(open('output.gpx', 'w'))

Usei o XPath para simplificar as coisas.

2

A forma mais fácil de mexer com XML que eu achei ate hoje foi usando xmltodict, isso não quer dizer que é performático.

Segue o exemplo de como usar:

doc = xmltodict.parse("""
<mydocument has="an attribute">
<and>
<many>elements</many>
<many>more elements</many>
</and>
<plus a="complex">
element as well
</plus>
</mydocument>
""")

print doc['mydocument']['@has']
del doc['mydocument']['and']
unparse(doc)

Depois de apagar o nó com del você faz um unparse() e ele gera o XML!

1

Fiz um teste aqui com o seu código e os elementos 'extensions' não foram removidos (talvez porque eles não são filhos do root?). De todas as formas, a única diferença que eu notei é que o seu arquivo de origem está no codificado em utf8 e na saída vc codifica em ascii (segundo a documentação de ElementTree, o padrão do encoding no método write é asc). Tente usar a codificação em utf8 e veja se o resultado é mais condizente.

O código que eu utilizei aqui (e que de fato removeu os itens desejados) é assim:

import xml.etree.ElementTree as ET
tree = ET.parse('input.gpx')

for node in tree.iter():
    for child in node:
        if child.tag == 'extensions':
            node.remove(child)

tree.write('output.gpx', encoding='UTF-8')
2
  • Opa Luiz. Obrigado pela resposta. Consertei a solução que apresentei inicialmente (realmente estava quebrada) mas continuo com o problema inicial. Aproveitei para melhorar a descrição dos problemas. Por favor, edita teu código para indentar o comando de remoção. Tem um <TAB> atrapalhando. Tentei editar mas o sistema proibe edições de 1 caracter.
    – Nigini
    Commented 10/01/2014 às 17:21
  • Opa, por nada. Ia até voltar a estudar a sua questão, mas acabei de ver que você já resolveu. :) Commented 10/01/2014 às 18:16
0

Gosto do BeautifulSoup, geralmente ele atende bem a maioria dos problemas de leitura de XML, mas é importante você ver os outros tipos de parsers que ele tem, caso tenha necessidade saberá como lidar.

https://www.crummy.com/software/BeautifulSoup/bs4/doc/#installing-a-parser

Por exemplo, bs4 consegue usar lxml que é super rápido e performático, mas pede dependência do sistema operacional.

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .