1.3.6 python解析xml文件数据

XML简介

 

• XML 指可扩展标记语言（EXtensible Markup Language）。

• XML 是一种很像HTML的标记语言。

• XML 的设计宗旨是传输数据，而不是显示数据。

• 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。

XML用途

• XML把数据从HTML分离

• XML简化数据共享

• XML简化数据传输

• XML简化平台变更

• XML使您的数据更有用

• XML用于创建新的互联网语言

XML元素

     指从开始标签到结束标签的部分（均包括开始和结束）
      一个元素可以包括：

• 子元素

• 属性

• 文本

zhangsan

 

XML语法规则

• 所有的元素都必须有开始标签和结束标签，省略结束标签是非法的。

• 大小写敏感，以下是两个不同的标签。

• xml文档必须有根元素。

• XML必须正确嵌套，父元素必须完全包住子元素。

• XML属性值必须加引号，元素的属性值都是一个键值对形式。

Python对XML的解析

        常见的XML编程接口有DOM和SAX,这两种接口处理XML文件的方式不同，      使用场合也不同。python有三种方法解析XML：SAX，DOM和ElementTree

• DOM(Document Object Model)

  DOM的解析器在解析一个XML文档时，一次性读取整个文档，把文档中所有元素保存在内存中的一个树结构里，之后利用DOM提供的不同函数来读取该文档的内容和结构，也可以把修改过的内容写入XML文件。由于DOM是将XML读取到内存，然后解析成一个树，如果要处理的XML文本比较大的话，就会很耗内存，所以DOM一般偏向于处理一些小的XML，（如配置文件）比较快。

• SAX(simple API for XML)
  Python标准库中包含SAX解析器，SAX是用的是事件驱动模型，通过在解析XML过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。

• ElementTree(元素树)
  ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。

xml.dom解析XML

已定义好xml文件Student_Info.xml,其内容如下：

解析以上xml文档代码如下：

#-*- coding:utf-8 -*-##-------------------------------------------------------------------------#ProjectName:       Python2020#FileName:          Dom_Xml.py#Author:            mutou#Date:              2020/5/31 17:55#Description:通过dom对象完成xml文件的数据读取操作#--------------------------------------------------------------------------from  xml.dom.minidom  import parse#获取dom对象get_dom_tree=parse("Student_Info.xml")print(type(get_dom_tree))#获取到element对象,即可获取当前元素的所有信息student_info=get_dom_tree.documentElement#获取到标签名print(student_info.tagName)#获取属性print(student_info.getAttribute("name"))#调用子节点:已经获取到根节点的dom对象print(get_dom_tree.firstChild)print(get_dom_tree.lastChild.tagName)print(get_dom_tree.childNodes)#上面获取全部使当前节点的相关信息for value in get_dom_tree.getElementsByTagName("student_1"):  #getElements返回的是一个nodelist    print("输出的结果值是：",value.tagName)    print(value.getAttribute("score"))#必须搞清楚以下几个对象：Document object、Element  Object、Node object、NodeList  object

上述代码总结

• 加载读取xml文件：parse(xml文件名)

• 获取xml文档对象：doc.documentElement

• 获取XML节点属性值：node.getAttribute(AttributeName)

• 获取XML节点对象集合：node.getElementsByTagName(TagName)

• 返回子节点列表：node.childNodes

• 获取XML节点值：node.childNodes[index].nodeValue

• 访问第一个节点，等价于pagexml.childNodes[0]：node.firstChild

• 返回Node节点的xml表示的文本：doc.toxml(‘UTF-8’)

• 访问元素属性：Node.attributes[“id”]

• 节点的名称：root.nodeName/root.tagName

• 节点的值，文本节点才有值，其它节点返回的是None：root.nodeValue

• 节点的类型：root.nodeType

dom解析主要涉及以下几个核心对象：文本对象、元素对象、节点对象、节点列表对象等；具体详情参考对应的api：如下

python第三方库解析xml

       python内置的模块解析xml较为复杂，所以可以引用第三方库完成简易解析，解析xml的第三方库较多，例如：

库/函数	描述	推荐度
lxml	[第三方库]xml和HTML读取和解析	★★★
libxml2	[第三方库]xml对象解析和格式化处理	★
xpath	[第三方库]xml对象解析和格式化处理	★★
untangle	[第三方库]将XML文档映射为一个Python 对象	★★
xmltodict	[第三方库]将XML文档映射为一个Python 对象	★★★

xmltodict使用

直接使用pip  install xmltodict进行安装；

如果需要解析上述Student_Info.xml文件，则代码如下：​​​​​​​

#-*- coding:utf-8 -*-##-------------------------------------------------------------------------#ProjectName:       Python2020#FileName:          XmlToDictTest.py#Author:            mutou#Date:              2020/5/31 18:24#Description:#--------------------------------------------------------------------------import xmltodictimport jsonwith open("Student_Info.xml",encoding="utf-8") as fp:    get_xml=xmltodict.parse(fp.read())  #第一个参数xml_input可以是字符串也可以是文件流对象    print(get_xml)    print("根标签的属性：",get_xml["student_info"]['@name'])    print("根标签下student_1子标签score属性值：",get_xml["student_info"]["student_1"]["@score"])    fp.seek(0)    #可以直接将结果转换成json格式    print(json.dumps(xmltodict.parse(fp.read()),ensure_ascii=False))

执行结果如下：

需求：需要对Student_Info.xml脚本中的所有根标签下的以student开头的子标签文本内容全部以字典的形式定义成一组数据，最后全部写入到一个列表中；代码如下：​​​​​​​

#-*- coding:utf-8 -*-##-------------------------------------------------------------------------#ProjectName:       Python2020#FileName:          HomeWorkTest.py#Author:            mutou#Date:              2020/6/2 20:41#Description:student开头中的每个标签的内容全部遍历出来，并且每个student标签下面的内容为一组值放到字典中#--------------------------------------------------------------------------import xmltodictimport jsondef get_xml_data(input):    list1=[]    with open("Student_Info.xml",encoding="utf-8") as fp:        #解析xml得到字典格式;存在根标签        get_result=json.loads(json.dumps(xmltodict.parse(fp.read()),ensure_ascii=False))        #取到根标签的值然后进行遍历键和值，然后再根据键以student开头的标签取出对应的值        for key,value in list(get_result.values())[0].items():            dict1={}            if str(key).startswith(input):                #子标签可能存在属性，属性一般通过xmltodict转换后得到的通常都是以@开头的                for get_key,get_value in value.items():                    if not str(get_key).startswith("@"):                        dict1[get_key]=get_value                list1.append(dict1)    return list1
#调用测试代码print(get_xml_data("student"))

执行结果如下：

 

了解更多信息关注公众号