У меня есть XML, структурированный следующим образом:
<?xml version="1.0" encoding="utf-8" ?>
<pages>
<page id="1" bbox="0.000,0.000,462.047,680.315" rotate="0">
<textbox id="0" bbox="179.739,592.028,261.007,604.510">
<textline bbox="179.739,592.028,261.007,604.510">
<text font="NUMPTY+ImprintMTnum" ncolour="0" size="12.482">C</text>
<text font="NUMPTY+ImprintMTnum" ncolour="0" size="12.482">A</text>
<text font="NUMPTY+ImprintMTnum" ncolour="0" size="12.482">P</text>
<text font="NUMPTY+ImprintMTnum" ncolour="0" size="12.482">I</text>
<text font="NUMPTY+ImprintMTnum" ncolour="0" size="12.482">T</text>
<text font="NUMPTY+ImprintMTnum" ncolour="0" size="12.482">O</text>
<text font="NUMPTY+ImprintMTnum" ncolour="0" size="12.482">L</text>
<text font="NUMPTY+ImprintMTnum" ncolour="0" size="12.482">O</text>
<text> </text>
<text font="NUMPTY+ImprintMTnum" ncolour="0" size="12.482">I</text>
<text font="NUMPTY+ImprintMTnum" ncolour="0" size="12.482">I</text>
<text font="NUMPTY+ImprintMTnum" ncolour="0" size="12.482">I</text>
<text>
</text>
</textline>
</textbox>
</page>
</pages>
Я хочу объединить все теги text
с одинаковым размером текста внутри одного родителя (текстовой строки), чтобы отдельные буквы были соединены. Страницы тегов, страница и текстовое поле будут сохранены. Я хотел бы сохранить порядок, в котором буквы представлены, например:
<?xml version="1.0" encoding="utf-8" ?>
<pages>
<page id="1" bbox="0.000,0.000,462.047,680.315" rotate="0">
<textbox id="0" bbox="179.739,592.028,261.007,604.510">
<textline bbox="179.739,592.028,261.007,604.510">
<text font="NUMPTY+ImprintMTnum" ncolour="0" size="12.482">CAPITOLO III</text>
</textline>
</textbox>
</page>
</pages>
Я пытался искать в Интернете, но мои попытки не сработали. Вот что я пробовал:
import xml.etree.ElementTree as ET
MY_XML = ET.parse('fe.xml')
group_list = MY_XML.findall("./pages/page/textbox/textline") # I do this because the actual xml is bigger with several groups
text_list = []
for group in group_list:
string_text = ""
for child in group :
for super_child in child:
if(super_child.text is not None): #Just in case None value because I cannot use string addition
string_text = string_text + super_child.text + " "
text_list.append(string_text)
#I stored all the info in 1 group as a value in this list because like I stated my overall xml might be bigger with more than 1 group
for group in group_list:
for elem in group.findall("./pages/page/textbox/textline/text"):
#loop over all possible <group> and removes all <group_info> inside
group.remove(elem)
#And finally to append the information gathered:
for group in group_list:
Text_elem = ET.Element("text")
Text_elem.text = text_list[group_list.index(group)]
group.append(Text_elem)
print(group_list)
Я не знаю, как заставить его работать, пожалуйста, помогите.