Come attraversare il DOM del documento OneNote in Python

Aspose.Note FOSS for Python represents a OneNote section file as a tree of typed Python objects. Understanding how to traverse this tree efficiently is the foundation for all content extraction tasks. This guide covers all three traversal approaches: GetChildNodes, iterazione diretta, e DocumentVisitor.

Il modello a oggetti del documento

Il DOM di OneNote è un albero rigido:

Document
  ├── Page
  │     ├── Title
  │     │     ├── TitleText (RichText)
  │     │     ├── TitleDate (RichText)
  │     │     └── TitleTime (RichText)
  │     └── Outline
  │           └── OutlineElement
  │                 ├── RichText
  │                 ├── Image
  │                 ├── AttachedFile
  │                 └── Table
  │                       └── TableRow
  │                             └── TableCell
  │                                   └── RichText / Image
  └── Page  (next page ...)

Ogni nodo eredita da Node. I nodi che hanno figli ereditano da CompositeNode.

Metodo 1: GetChildNodes (Ricorsivo, filtrato per tipo)

CompositeNode.GetChildNodes(Type) esegue una ricerca ricorsiva in profondità dell’intero sottoalbero e restituisce un elenco piatto di tutti i nodi che corrispondono al tipo specificato. Questo è l’approccio più comodo per l’estrazione del contenuto:

from aspose.note import Document, RichText, Image, Table, AttachedFile

doc = Document("MyNotes.one")

##All RichText nodes anywhere in the document
texts = doc.GetChildNodes(RichText)
print(f"RichText nodes: {len(texts)}")

##All images
images = doc.GetChildNodes(Image)
print(f"Image nodes: {len(images)}")

##All tables
tables = doc.GetChildNodes(Table)
print(f"Table nodes: {len(tables)}")

##All attachments
attachments = doc.GetChildNodes(AttachedFile)
print(f"AttachedFile nodes: {len(attachments)}")

Limita la ricerca a una singola pagina chiamando GetChildNodes su Page invece di Document:

from aspose.note import Document, Page, RichText

doc = Document("MyNotes.one")
for page in doc.GetChildNodes(Page):
    page_texts = page.GetChildNodes(RichText)
    print(f"  Page has {len(page_texts)} text nodes")

Metodo 2: Iterazione dei figli diretti

for child in node itera il immediato figli di un CompositeNode. Usa questo quando ti serve un livello specifico della gerarchia:

from aspose.note import Document

doc = Document("MyNotes.one")

##Direct children of Document are Pages
for page in doc:
    title = (
        page.Title.TitleText.Text
        if page.Title and page.Title.TitleText
        else "(untitled)"
    )
    print(f"Page: {title}")
    # Direct children of Page are Outlines (and optionally Title)
    for child in page:
        print(f"  {type(child).__name__}")

Metodo 3: DocumentVisitor

DocumentVisitor fornisce un pattern visitor per l’attraversamento strutturato. Sovrascrivi solo il VisitXxxStart/End metodi di cui hai bisogno. Il visitor viene inviato chiamando doc.Accept(visitor):

from aspose.note import (
    Document, DocumentVisitor, Page, Title,
    Outline, OutlineElement, RichText, Image,
)

class StructurePrinter(DocumentVisitor):
    def __init__(self):
        self._depth = 0

    def _indent(self):
        return "  " * self._depth

    def VisitPageStart(self, page: Page) -> None:
        t = page.Title.TitleText.Text if page.Title and page.Title.TitleText else "(untitled)"
        print(f"{self._indent()}Page: {t!r}")
        self._depth += 1

    def VisitPageEnd(self, page: Page) -> None:
        self._depth -= 1

    def VisitOutlineStart(self, outline) -> None:
        self._depth += 1

    def VisitOutlineEnd(self, outline) -> None:
        self._depth -= 1

    def VisitRichTextStart(self, rt: RichText) -> None:
        if rt.Text.strip():
            print(f"{self._indent()}Text: {rt.Text.strip()!r}")

    def VisitImageStart(self, img: Image) -> None:
        print(f"{self._indent()}Image: {img.FileName!r} ({img.Width}x{img.Height}pts)")

doc = Document("MyNotes.one")
doc.Accept(StructurePrinter())

Metodi Visitor disponibili

Coppia di metodi	Tipo di nodo
`VisitDocumentStart/End`	`Document`
`VisitPageStart/End`	`Page`
`VisitTitleStart/End`	`Title`
`VisitOutlineStart/End`	`Outline`
`VisitOutlineElementStart/End`	`OutlineElement`
`VisitRichTextStart/End`	`RichText`
`VisitImageStart/End`	`Image`

Navigare verso l’alto nell’albero

Ogni nodo espone ParentNode e un Document proprietà per navigare verso l’alto:

from aspose.note import Document, RichText

doc = Document("MyNotes.one")
for rt in doc.GetChildNodes(RichText):
    parent = rt.ParentNode   # OutlineElement, TableCell, Title, etc.
    root = rt.Document       # always the Document root
    print(f"  '{rt.Text.strip()!r}' parent={type(parent).__name__}")
    break

Metodi di Gestione dei Figli

CompositeNode espone anche la gestione dei figli in memoria (utile per la costruzione programmatica di documenti, sebbene la scrittura di ritorno a .one non è supportato):

Metodo	Descrizione
`node.FirstChild`	Primo figlio diretto o `None`
`node.LastChild`	Ultimo figlio diretto o `None`
`node.AppendChildLast(child)`	Aggiungi figlio alla fine
`node.AppendChildFirst(child)`	Aggiungi figlio all’inizio
`node.InsertChild(index, child)`	Inserisci in posizione
`node.RemoveChild(child)`	Rimuovi un figlio

Conta i Nodi con un Visitatore

from aspose.note import Document, DocumentVisitor, Page, RichText, Image

class Counter(DocumentVisitor):
    def __init__(self):
        self.pages = self.texts = self.images = 0

    def VisitPageStart(self, page: Page) -> None:
        self.pages += 1

    def VisitRichTextStart(self, rt: RichText) -> None:
        self.texts += 1

    def VisitImageStart(self, img: Image) -> None:
        self.images += 1

doc = Document("MyNotes.one")
c = Counter()
doc.Accept(c)
print(f"Pages={c.pages}  RichText={c.texts}  Images={c.images}")

Scegliere il Metodo di Traversal Giusto

Scenario	Approccio migliore
Trova tutti i nodi di un tipo (ad es. tutti RichText)	`GetChildNodes(RichText)`
Itera solo i figli diretti	`for child in node`
Percorri l’albero con contesto (profondità, stato del genitore)	`DocumentVisitor`
Naviga dal contenuto al genitore o alla radice	`node.ParentNode` / `node.Document`

Risorse correlate: