Olá,
Estou começando a utilizar da linguagem Python para uma pesquisa, e como "atividade" recebi um arquivo XML do meu professor e preciso "Destrinchar" o mesmo, imprimindo conteúdos de tags e alguns atributos específicos dessas tags. O que acontece é que sou bem iniciante na linguagem e ao tentar imprimir esses atributos não estou conseguindo. Lendo alguns outros fóruns cheguei em um código onde eu consigo imprimir as tags do arquivo, mas não os atributos dela, já que o arquivo se trata de um exemplo de PLN, onde cada tag representa um nodo com seu atributos como id, word, text, lema e etc. Vou deixar aqui o código, a saída atual e um pedaço do meu arquivo para melhor entendimento do problema.
Código:
import xml.etree.ElementTree as ET
import requests
arquivo = "C1_Extrato_2_Palavras.xml"
tree = ET.parse(arquivo)
root = tree.getroot()
filtro = "*"
for child in root.iter(filtro):
print(child.tag, child.text)
print("\n")
for child in root.findall("body"):
for esse in child.findall("graph"):
print(esse.text)
Saída:
corpus
body
s
graph
terminals
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
t None
nonterminals
nt
edge None
nt
edge None
edge None
edge None
edge None
nt
Parte do arquivo em XML:
<?xml version="1.0" encoding="UTF-8"?>
<corpus>
<body>
<s id="s1" ref="1" source="Running text" forest="1" text="Um acidente aéreo na localidade de Bukavu, no leste da República Democrática do Congo, matou 17 pessoas na quinta-feira à tarde, informou hoje um porta-voz das Nações Unidas.">
<graph root="s1_500">
<terminals>
<t id="s1_1" word="Um" lemma="um" pos="art" morph="M S" extra="* "/>
<t id="s1_2" word="acidente" lemma="acidente" pos="n" morph="M S" sem="event" extra="--"/>
<t id="s1_3" word="aéreo" lemma="aéreo" pos="adj" morph="M S" extra="nh np-close"/>
<t id="s1_4" word="em" lemma="em" pos="prp" morph="--" extra="sam- np-long"/>
<t id="s1_5" word="a" lemma="o" pos="art" morph="F S" extra="-sam "/>
<t id="s1_6" word="localidade" lemma="localidade" pos="n" morph="F S" sem="Labs Lciv" extra="--"/>
<t id="s1_7" word="de" lemma="de" pos="prp" morph="--" extra="np-close"/>
<t id="s1_8" word="Bukavu" lemma="Bukavu" pos="prop" morph="M/F S" extra="civ * heur"/>
<t id="s1_9" word="," lemma="--" pos="pu" morph="--" extra="--"/>
<t id="s1_10" word="em" lemma="em" pos="prp" morph="--" extra="sam-"/>
<t id="s1_11" word="o" lemma="o" pos="art" morph="M S" extra="-sam "/>
<t id="s1_12" word="leste" lemma="leste" pos="n" morph="M S" sem="dir" extra="--"/>
<t id="s1_13" word="de" lemma="de" pos="prp" morph="--" extra="sam- np-close"/>
<t id="s1_14" word="a" lemma="o" pos="art" morph="F S" extra="-sam "/>
<t id="s1_15" word="República_Democrática_do_Congo" lemma="República_Democrática_do_Congo" pos="prop" morph="F S" extra="civ *"/>
<t id="s1_16" word="," lemma="--" pos="pu" morph="--" extra="--"/>
<t id="s1_17" word="matou" lemma="matar" pos="v-fin" morph="PS 3S IND VFIN" extra="cjt-head cjt-head-STA fmc mv"/>
<t id="s1_18" word="17" lemma="17" pos="num" morph="F P" extra="card"/>
<t id="s1_19" word="pessoas" lemma="pessoa" pos="n" morph="F P" sem="H" extra="--"/>
<t id="s1_20" word="em" lemma="em" pos="prp" morph="--" extra="sam-"/>
<t id="s1_21" word="a" lemma="o" pos="art" morph="F S" extra="-sam "/>
<t id="s1_22" word="quinta-feira" lemma="quinta-feira" pos="n" morph="F S" sem="temp" extra="--"/>
<t id="s1_23" word="a" lemma="a" pos="prp" morph="--" extra="sam-"/>
<t id="s1_24" word="a" lemma="o" pos="art" morph="F S" extra="-sam "/>
<t id="s1_25" word="tarde" lemma="tarde" pos="n" morph="F S" sem="per" extra="--"/>
<t id="s1_26" word="," lemma="--" pos="pu" morph="--" extra="--"/>
<t id="s1_27" word="informou" lemma="informar" pos="v-fin" morph="PS 3S IND VFIN" extra="nosubj nosubj cjt-STA vH fmc mv"/>
<t id="s1_28" word="hoje" lemma="hoje" pos="adv" morph="--" extra="--"/>
<t id="s1_29" word="um" lemma="um" pos="art" morph="M S" extra="--"/>
<t id="s1_30" word="porta-voz" lemma="porta-voz" pos="n" morph="M S" sem="tool Hprof" extra="--"/>
<t id="s1_31" word="de" lemma="de" pos="prp" morph="--" extra="sam-"/>
<t id="s1_32" word="as" lemma="o" pos="art" morph="F P" extra="-sam "/>
<t id="s1_33" word="Nações_Unidas" lemma="Nações_Unidas" pos="prop" morph="F P" extra="org * newlex"/>
<t id="s1_34" word="." lemma="--" pos="pu" morph="--" extra="--"/>
</terminals>
<nonterminals>
<nt id="s1_500" cat="s">
<edge label="STA" idref="s1_501"/>
</nt>
<nt id="s1_501" cat="par">
<edge label="CJT" idref="s1_502"/>
<edge label="PU" idref="s1_26"/>
<edge label="CJT" idref="s1_516"/>
<edge label="PU" idref="s1_34"/>
</nt>
Desculpe pelo tamanho da pergunta e pela formatação da mesma, é a primeira vez que faço uma pergunta aqui (inclusive aceito dicas/toques).