python模块之xml.etree.ElementTree
python有三种方法解析XML，SAX，DOM，以及ElementTree
###1.SAX (simple API for XML )
pyhton 标准库包含SAX解析器，SAX是一种典型的极为快速的工具，在解析XML时，不会占用大量内存。
但是这是基于回调机制的，因此在某些数据中，它会调用某些方法进行传递。这意味着必须为数据指定句柄，
以维持自己的状态，这是非常困难的。
###2.DOM(Document Object Model)
与SAX比较，DOM典型的缺点是比较慢，消耗更多的内存，因为DOM会将整个XML数读入内存中，并为树
中的第一个节点建立一个对象。使用DOM的好处是你不需要对状态进行追踪，因为每一个节点都知道谁是它的
父节点，谁是子节点。但是DOM用起来有些麻烦。
###3.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，这里主要
介绍ElementTree。
一 基本知识
1、插入节点
Element.insert(index, element) 、Element(tag[, attrib][, **extra]) 、SubElement(parent, tag[, attrib[, **extra]]) 、Element.append(subelement)
2、删除节点
Element.remove(subelement) 删除一个节点、Element.clear()删除该节点下所有子节点
3、在节点中插入属性
Element.set(key, value)
4、查找节点
a) Element.getiterator b) Element.getchildren c) Element.find d) Element.findall
#coding:utf-8
import os,sys,os.path
import xml.etree.ElementTree as ET
def read_xml(xmlFile,destDir):
'''
parse xml,规则是解析如下格式的xml，root下的2、3级建立目录，第4级建立文件，4级以下以合适的形式写入到文件中
<?xml version="1.0" ?>
- <root>
- <FILE_DIRECTORY NAME="ca002">
- <FILE_DIRECTORY NAME="RT_CA">
- <FILE_NAME NAME="0000.obj">
- <COFF_FILE_HEAD BEGIN="0" END="20">
<Machine>X86</Machine>
<NumberOfSections>2</NumberOfSections>
<PointerToSymbolTable>21205</PointerToSymbolTable>
<NumberOfSymbols>107</NumberOfSymbols>
<SizeOfOptionalHeader>0</SizeOfOptionalHeader>
<Characteristics>0</Characteristics>
</COFF_FILE_HEAD>
- <COFF_IMAGE_SECTIONS>
- <COFF_IMAGE_SECTION INDEX="0">
<Name>.rdata</Name>
<SizeOfRawData>5064</SizeOfRawData>
<PointerToRawData>100</PointerToRawData>
<PointerToRelocations>0</PointerToRelocations>
<PointerToLinenumbers>0</PointerToLinenumbers>
<NumberOfRelocations>0</NumberOfRelocations>
<NumberOfLinenumbers>0</NumberOfLinenumbers>
'''
# 加载XML文件（2种方法,一是加载指定字符串，二是加载指定文件）
tree=ET.parse(xmlFile)
root = tree.getroot()
#root = ET.fromstring(xmlContent)
dir1_nodes = root.getchildren()
#create dir1
for dir1_node in dir1_nodes:
dir1=destDir+os.path.sep+dir1_node.attrib['NAME']
if os.path.exists(dir1)==False:
os.mkdir(dir1)
#create dir2
dir2_nodes = dir1_node.getchildren()
for dir2_node in dir2_nodes:
dir2=dir1+os.path.sep+dir2_node.attrib['NAME']
if os.path.exists(dir2)==False:
os.mkdir(dir2)
#create file
dir3_nodes = dir2_node.getchildren()
for dir3_node in dir3_nodes:
dir3=dir2+os.path.sep+dir3_node.attrib['NAME']
#print dir3
f=open(dir3,'w')
#遍历xml标签name=***.obj
prelen=0
dir4_nodes = dir3_node.getchildren()
for dir4_node in dir4_nodes:
traversal(dir4_node,f,prelen)
f.close()
def traversal(node,f,prelen):
'''recursively traversal the rest of xml's content'''
length=node.getchildren()
attrs=''
texts=''
if len(node.attrib)>0:
for key in node.attrib:
attrs+=str(key)+":"+str(node.attrib[key])+" "
attrs=attrs[:-1]
f.write('-'*prelen+node.tag+'('+attrs+')')
else:
f.write('-'*prelen+node.tag)
if node.text!=None:
f.write(':'+node.text)
f.write('\n')
if length!=0:
nodes = node.getchildren()
prelen+=4
for node1 in nodes:
traversal(node1,f,prelen)
def parseXmls(filePath,destDir):
'''traversal xmls directory'''
if os.path.isfile(filePath)and os.path.basename(filePath).endswith('.xml'):
#print filePath
read_xml(filePath,destDir)
else:
for item in os.listdir(filePath):
#print item
subpath = filePath+os.path.sep+item
parseXmls(subpath,destDir)
def main():
"Main function."
#input xml dir
while True:
dir=raw_input("input the dir:")
if not os.path.exists(dir):
print("you input dir is not existed!")
continue
else:
break
#create the dir of dest path that using to store the parsing xmls
'''destDir = os.path.split(dir)[0]+os.sep+time.strftime('%Y%m%d')
if not os.path.exists(destDir):
os.mkdir(destDir) '''
destDir = os.path.split(dir)[0]+os.path.sep+os.path.basename(dir)+'xml'
if os.path.exists(destDir)==False:
os.mkdir(destDir)
#recall the function of parse the xmls
parseXmls(dir,destDir)
if __name__ == '__main__':
main()