python3解析XML

格式：pdf
大小：194.23 KB
文档页数：5

python3解析XML

在XML解析⽅⾯，Python贯彻了⾃⼰“开箱即⽤”（batteries included）的原则。在⾃带的标准库中，Python提供了⼤量可以⽤于处理XML语

⾔的包和⼯具，数量之多，甚⾄让Python编程新⼿⽆从选择。

本⽂将介绍深⼊解读利⽤Python语⾔解析XML⽂件的⼏种⽅式，并以笔者推荐使⽤的ElementTree模块为例，演⽰具体使⽤⽅法和场景。⽂

中所使⽤的Python版本为2.7。

⼀、什么是XML?

XML是可扩展标记语⾔（Extensible Markup Language）的缩写，其中的标记（markup）是关键部分。您可以创建内容，然后使⽤限定标记标记它，从⽽使每个单词、短语或块成为可识别、可分类的信息。

标记语⾔从早期的私有公司和政府制定形式逐渐演变成标准通⽤标记语⾔（Standard Generalized Markup Language，SGML）、超⽂本标

记语⾔（Hypertext Markup Language，HTML），并且最终演变成 XML。XML有以下⼏个特点。

XML的设计宗旨是传输数据，⽽⾮显⽰数据。

XML标签没有被预定义。您需要⾃⾏定义标签。

XML被设计为具有⾃我描述性。

XML是W3C的推荐标准。

⽬前，XML在Web中起到的作⽤不会亚于⼀直作为Web基⽯的HTML。 XML⽆所不在。XML是各种应⽤程序之间进⾏数据传输的最常⽤的

⼯具，并且在信息存储和描述领域变得越来越流⾏。因此，学会如何解析XML⽂件，对于Web开发来说是⼗分重要的。

⼆、有哪些可以解析XML的Python包？

Python的标准库中，提供了6种可以⽤于处理XML的包。

xml.dom

xml.dom实现的是W3C制定的DOM API。如果你习惯于使⽤DOM API或者有⼈要求这这样做，可以使⽤这个包。不过要注意，在这个包

中，还提供了⼏个不同的模块，各⾃的性能有所区别。

DOM解析器在任何处理开始之前，必须把基于XML⽂件⽣成的树状数据放在内存，所以DOM解析器的内存使⽤量完全根据输⼊资料的⼤

⼩。

xml.dom.minidom

xml.dom.minidom是DOM API的极简化实现，⽐完整版的DOM要简单的多，⽽且这个包也⼩的多。那些不熟悉DOM的朋友，应该考虑使⽤

xml.etree.ElementTree模块。据lxml的作者评价，这个模块使⽤起来并不⽅便，效率也不⾼，⽽且还容易出现问题。

xml.dom.pulldom

与其他模块不同，xml.dom.pulldom模块提供的是⼀个“pull解析器”，其背后的基本概念指的是从XML流中pull事件，然后进⾏处理。虽然与SAX⼀样采⽤事件驱动模型（event-driven processing model），但是不同的是，使⽤pull解析器时，使⽤者需要明确地从XML流中pull事件，并对这些事件遍历处理，直到处理完成或者出现错误。

pull解析（pull parsing）是近来兴起的⼀种XML处理趋势。此前诸如SAX和DOM这些流⾏的XML解析框架，都是push-based，也就是

说对解析⼯作的控制权，掌握在解析器的⼿中。xml.sax

xml.sax模块实现的是SAX API，这个模块牺牲了便捷性来换取速度和内存占⽤。SAX是Simple API for XML的缩写，它并不是由W3C官⽅

所提出的标准。它是事件驱动的，并不需要⼀次性读⼊整个⽂档，⽽⽂档的读⼊过程也就是SAX的解析过程。所谓事件驱动，是指⼀种基于

回调（callback）机制的程序运⾏⽅法。

xml.parser.expat

xml.parser.expat提供了对C语⾔编写的expat解析器的⼀个直接的、底层API接⼝。expat接⼝与SAX类似，也是基于事件回调机制，但是这

个接⼝并不是标准化的，只适⽤于expat库。

expat是⼀个⾯向流的解析器。您注册的解析器回调（或handler）功能，然后开始搜索它的⽂档。当解析器识别该⽂件的指定的位置，它会调⽤该部分相应的处理程序（如果您已经注册的⼀个）。该⽂件被输送到解析器，会被分割成多个⽚断，并分段装到内存中。因此expat可

以解析那些巨⼤的⽂件。

xml.etree.ElementTree（以下简称ET）

xml.etree.ElementTree模块提供了⼀个轻量级、Pythonic的API，同时还有⼀个⾼效的C语⾔实现，即xml.etree.cElementTree。与DOM相

⽐，ET的速度更快，API使⽤更直接、⽅便。与SAX相⽐，ET.iterparse函数同样提供了按需解析的功能，不会⼀次性在内存中读⼊整个⽂

档。ET的性能与SAX模块⼤致相仿，但是它的API更加⾼层次，⽤户使⽤起来更加便捷。

笔者建议，在使⽤Python进⾏XML解析时，⾸选使⽤ET模块，除⾮你有其他特别的需求，可能需要另外的模块来满⾜。

解析XML的这⼏种API并不是Python独创的，Python也是通过借鉴其他语⾔或者直接从其他语⾔引⼊进来的。例如expat就是⼀个⽤C

语⾔开发的、⽤来解析XML⽂档的开发库。⽽SAX最初是由DavidMegginson采⽤java语⾔开发的，DOM可以以⼀种独⽴于平台和语

⾔的⽅式访问和修改⼀个⽂档的内容和结构，可以应⽤于任何编程语⾔。

下⾯，我们以ElementTree模块为例，介绍在Python中如何解析lxml。

三、利⽤ElementTree解析XML

Python标准库中，提供了ET的两种实现。⼀个是纯Python实现的xml.etree.ElementTree，另⼀个是速度更快的C语⾔实现

xml.etree.cElementTree。请记住始终使⽤C语⾔实现，因为它的速度要快很多，⽽且内存消耗也要少很多。如果你所使⽤的Python版本中

没有cElementTree所需的加速模块，你可以这样导⼊模块：

4try: import xml.etree.cElementTree as ET

except ImportError:

import xml.etree.ElementTree as ET

如果某个API存在不同的实现，上⾯是常见的导⼊⽅式。当然，很可能你直接导⼊第⼀个模块时，并不会出现问题。请注意，⾃Python 3.3

之后，就不⽤采⽤上⾯的导⼊⽅法，因为ElemenTree模块会⾃动优先使⽤C加速器，如果不存在C实现，则会使⽤Python实现。因此，使⽤Python 3.3+的朋友，只需要import xml.etree.ElementTree即可。

1、将XML⽂档解析为树（tree）

我们先从基础讲起。XML是⼀种结构化、层级化的数据格式，最适合体现XML的数据结构就是树。ET提供了两个对象：ElementTree将整个XML⽂档转化为树，Element则代表着树上的单个节点。对整个XML⽂档的交互（读取，写⼊，查找需要的元素），⼀般是在ElementTree

层⾯进⾏的。对单个XML元素及其⼦元素，则是在Element层⾯进⾏的。下⾯我们举例介绍主要使⽤⽅法。

我们使⽤下⾯的XML⽂档，作为演⽰数据：

13 text,source

xml,sgml

接下来，我们加载这个⽂档，并进⾏解析：

2>>> import xml.etree.ElementTree as ET

>>> tree = ET.ElementTree(file='doc1.xml')

然后，我们获取根元素（root element）：

2>>> tree.getroot()

正如之前所讲的，根元素（root）是⼀个Element对象。我们看看根元素都有哪些属性：

2>>> root = tree.getroot()>>> root.tag, root.attrib3('doc', {})

没错，根元素并没有属性。与其他Element对象⼀样，根元素也具备遍历其直接⼦元素的接⼝：

6>>> for child_of_root in root:

... print child_of_root.tag, child_of_root.attrib...branch {'hash': '1cdf045c', 'name': 'codingpy.com'}branch {'hash': 'f200013e', 'name': 'release01'}branch {'name': 'invalid'}

我们还可以通过索引值来访问特定的⼦元素：

2>>> root[0].tag, root[0].text('branch', '\n text,source\n ')

2、查找需要的元素

从上⾯的⽰例中，可以明显发现我们能够通过简单的递归⽅法（对每⼀个元素，递归式访问其所有⼦元素）获取树中的所有元素。但是，由

于这是⼗分常见的⼯作，ET提供了⼀些简便的实现⽅法。

Element对象有⼀个iter⽅法，可以对某个元素对象之下所有的⼦元素进⾏深度优先遍历（DFS）。ElementTree对象同样也有这个⽅法。下

⾯是查找XML⽂档中所有元素的最简单⽅法：

8>>> for elem in tree.iter():

... print elem.tag, elem.attrib...doc {}branch {'hash': '1cdf045c', 'name': 'codingpy.com'}branch {'hash': 'f200013e', 'name': 'release01'}sub-branch {'name': 'subrelease01'}branch {'name': 'invalid'}

在此基础上，我们可以对树进⾏任意遍历——遍历所有元素，查找出⾃⼰感兴趣的属性。但是ET可以让这个⼯作更加简便、快捷。iter⽅法

可以接受tag名称，然后遍历所有具备所提供tag的元素：

6>>> for elem in tree.iter(tag='branch'):

... print elem.tag, elem.attrib...branch {'hash': '1cdf045c', 'name': 'codingpy.com'}branch {'hash': 'f200013e', 'name': 'release01'}branch {'name': 'invalid'}

3、⽀持通过XPath查找元素

使⽤XPath查找感兴趣的元素，更加⽅便。Element对象中有⼀些find⽅法可以接受Xpath路径作为参数，find⽅法会返回第⼀个匹配的⼦元

素，findall以列表的形式返回所有匹配的⼦元素, iterfind则返回⼀个所有匹配元素的迭代器（iterator）。ElementTree对象也具备这些⽅法，

相应地它的查找是从根节点开始的。

下⾯是⼀个使⽤XPath查找元素的⽰例：

4>>> for elem in tree.iterfind('branch/sub-branch'):

... print elem.tag, elem.attrib...sub-branch {'name': 'subrelease01'}

python读取xml文件方法解析

python读取xml⽂件⽅法解析

关于python读取xml⽂章很多，但⼤多⽂章都是贴⼀个xml⽂件，然后再贴个处理⽂件的代码。这样并不利于初学者的学

习，希望这篇⽂章可以更通俗易懂的教如何使⽤python来读取xml⽂件。

什么是xml？

xml即可扩展标记语⾔，它可以⽤来标记数据、定义数据类型，是⼀种允许⽤户对⾃⼰的标记语⾔进⾏定义的源语⾔。

abc.xml

Python

测试

Zope

Ok,从结构上，它很像我们常见的HTML超⽂本标记语⾔。但他们被设计的⽬的是不同的，被设计⽤来显⽰数据，其焦点是数

据的外观。它被设计⽤来传输和存储数据，其焦点是数据的内容。

那么它有如下特征：

⾸先，它是有标签对组成，

标签可以有属性：

标签对可以嵌⼊数据：abc

标签可以嵌⼊⼦标签（具有层级关系）：

获得标签属性

那么，下⾯来介绍如何⽤python来读取这种类型的⽂件。

#coding=utf-8

import xml.dom.minidom

#打开xml⽂档

dom = xml.dom.minidom.parse('abc.xml')

#得到⽂档元素对象

root = dom.documentElement

print root.nodeName

print root.nodeValue

print root.nodeType

print root.ELEMENT_NODE

mxl.dom.minidom模块被⽤来处理xml⽂件，所以要先引⼊。

xml.dom.minidom.parse()⽤于打开⼀个xml⽂件，并将这个⽂件对象dom变量。

documentElement⽤于得到dom对象的⽂档元素，并把获得的对象给root

每⼀个结点都有它的nodeName，nodeValue，nodeType属性。

nodeName为结点名字。nodeValue是结点的值，只对⽂本结点有效。

nodeType是结点的类型。catalog是ELEMENT_NODE类型

dom4J解析xml

dom4j需要引⼊的pom

dom4j

1.6.1

jaxen

1.1.6

解析代码⽰例：

package com.bjgoodwill.oip.core.config;

import org.dom4j.Attribute;

import org.dom4j.Document;

import org.dom4j.DocumentException;

import org.dom4j.Element;

import org.dom4j.io.OutputFormat;

import org.dom4j.io.SAXReader;

import org.dom4j.io.XMLWriter;

import org.slf4j.Logger;

import org.slf4j.LoggerFactory;

import org.springframework.core.io.ClassPathResource;

import org.xml.sax.EntityResolver;

import org.xml.sax.InputSource;

import org.xml.sax.SAXException;

import java.io.File;

import java.io.FileOutputStream;

import java.io.IOException;

import java.io.StringBufferInputStream;

/**

* Description:多数据源xml切换

public class DataSourceXMLChange {

private final static Logger logger = LoggerFactory.getLogger(DataSourceXMLChange.class);

/**

* @Description：写⼊xml

pythonxml文件解析及生成xml文件

pythonxml⽂件解析及⽣成xml⽂件

#解析⼀个database的xml⽂件

"""

localhost

root

11111

wulaoshi

"""

#解析xml⽂件

domtree=parse('d:\\pylianxi\\data.xml')

#获取根节点

datalist=domtree.documentElement

d={}

#获取标签为database的⼦节点

database=datalist.getElementsByTagName('database')

#database的⼦节点轮询，过滤掉textNode节点，取出⽂本值

for i in database[0].childNodes[1::2]:

tag=i.tagName

d[tag]=i.childNodes[0].data #childNodes 获取的是⼀个列表，通过childNodes[0]获取具体对象

print('database:',d)

2、⼿动写⼀个xml⽂件

#写xml

from xml.dom.minidom import *

#创建⼀个⽂档对象

doc=Document()

#创建⼀个根节点

root=doc.createElement('managers')

#根节点添加属性

root.setAttribute('company','中体彩')

print(root.getAttribute('company'))

#根节点加⼊到tree

doc.appendChild(root)

#创建⼆级节点

company=doc.createElement('gloryroad')

name=doc.createElement('name')

name.appendChild(doc.createTextNode('公司名称')) #添加⽂本节点

#创建⼀个带着⽂本节点的⼦节点

ceo=doc.createElement('ceo')

ceo.appendChild(doc.createTextNode('吴总')) #吴总

简单介绍使用Python解析并修改XML文档的方法

简单介绍使⽤Python解析并修改XML⽂档的⽅法

问题

你想读取⼀个XML⽂档，对它最⼀些修改，然后将结果写回XML⽂档。

解决⽅案

使⽤ xml.etree.ElementTree 模块可以很容易的处理这些任务。第⼀步是以通常的⽅式来解析这个⽂档。例如，假设你有⼀个

名为 pred.xml 的⽂档，类似下⾯这样：

下⾯是⼀个利⽤ ElementTree 来读取这个⽂档并对它做⼀些修改的例⼦：

>>> from xml.etree.ElementTree import parse, Element

>>> doc = parse('pred.xml')

>>> root = doc.getroot()

>>> root

>>> # Remove a few elements

>>> root.remove(root.find('sri'))

>>> root.remove(root.find('cr'))

>>> # Insert a new element after ...

>>> root.getchildren().index(root.find('nm'))

>>> e = Element('spam')

>>> e.text = 'This is a test'

>>> root.insert(2, e)

>>> # Write back to a file

>>> doc.write('newpred.xml', xml_declaration=True)

>>>

处理结果是⼀个像下⾯这样新的XML⽂件：

讨论

修改⼀个XML⽂档结构是很容易的，但是你必须牢记的是所有的修改都是针对⽗节点元素，将它作为⼀个列表来处理。例

如，如果你删除某个元素，通过调⽤⽗节点的 remove() ⽅法从它的直接⽗节点中删除。如果你插⼊或增加新的元素，你同样

使⽤⽗节点元素的 insert() 和 append() ⽅法。还能对元素使⽤索引和切⽚操作，⽐如 element[i] 或 element[i:j]

下载提示

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

python3解析XML

合集下载

python读取xml文件方法解析

dom4J解析xml

pythonxml文件解析及生成xml文件

简单介绍使用Python解析并修改XML文档的方法

文档推荐

最新文档