Nano Hash - криптовалюты, майнинг, программирование

Извлечение значений из выходных данных в формате XML

Я пытаюсь получить только значения IP-адреса из вывода, показанного ниже:

<sc-list>
    <sc address="10.13.11.103"/>
    <sc address="10.13.11.107"/>
</sc-list>

Я пытался использовать etree, но не могу получить значения IP (см. код ниже)

import xml.etree.ElementTree as ET

filepath = "C:\Development\pq-python-examples\ip_numbers.xml"
tree = ET.parse(filepath)
root = tree.getroot()

for child in root:
    print (child.tag, child.attrib)

Результат, который я получаю, выглядит следующим образом:

('sc', {'адрес': '10.13.11.103'})

('sc', {'адрес': '10.13.11.107'})

Может ли кто-нибудь помочь мне получить только IP-адреса?

10.13.11.103

10.13.11.107

Спасибо.

21.03.2017


Ответы:


1

Свойство .attrib возвращает словарь атрибутов, что означает, что вы можете использовать child.attrib.get('address') для получения IP-адреса.

Это безопасный способ получения адреса, потому что ваша программа не рухнет, если у ребенка нет address.

21.03.2017
  • Спасибо, что сделал это, твой мой герой! 21.03.2017
  • Новые материалы

    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..