您的位置：首页 > 编程语言 > Python开发

python语言解析xml文件的常用的有两种方式

2013-07-09 13:28 651 查看

MiniDom方式解析xml

xml文件以data.xml为例，具体操作如下：

data.xml:

<?xml version="1.0" encoding="utf-8"?>
<info>
<intro>保存用户的信息</intro>
<list id='001'>
<head>auto_userone</head>
<name>Jordy</name>
<number>12345678</number>
<age>20</age>
<sex>男</sex>
<hobby>上网</hobby>
</list>

<list id='002'>
<head>auto_usertwo</head>
<name>功夫</name>
<number>34443678</number>
<age>18</age>
<sex>男</sex>
<hobby>功夫</hobby>
</list>

</info>

1. 得到DOM对象

    DOM是Document Object Model的简称，它是以对象树来表示一个XML。

     import xml.dom.minidom

     #得到dom对象

     dom = xml.dom.minidom.parse("data.xml")

2. 得到文档元素对象

#得到文档元素对象

root = dom.documentElement #这里得到的是根节点info

#打印根节点的名字       节点的值      节点类型

print root.nodeName,root.nodeValue,root.nodeType

节点的属性：

每一个节点都有它的nodeName，nodeValue，nodeType属性。nodeName为节点名字。

nodeValue是节点的值，只对文本节点有效。nodeType是节点的类型，现在有以下几种：

‘ATTRIBUTE_NODE’
‘CDATA_SECTION_NODE’
‘COMMENT_NODE’
‘DOCUMENT_FRAGMENT_NODE’
‘DOCUMENT_NODE’
‘DOCUMENT_TYPE_NODE’
‘ELEMENT_NODE’
‘ENTITY_NODE’
‘ENTITY_REFERENCE_NODE’
‘NOTATION_NODE’
‘PROCESSING_INSTRUCTION_NODE’
‘TEXT_NODE’

3.子元素、子节点的访问

对于已经知道元素名字的子元素，可以通过使用getElementsByTagName()方法访问，例：

root.getElementsByTagName("intro") #读取intro子元素

返回的结果是一个列表。

如果要得到某元素下的所有子节点，可以使用childNodes属性:

root.childNodes

getElementsByTagName()可以搜索当前元素的所有子元素，包括所有层次的子元素。childNodes只保存了当前元素的第一层子结点。

比如：我们想要得到intro元素下的值“保存用户的信息”，实现如下代码：

node = root.getElementsByTagName("intro")[0]

for node in node.childNodes:

if node.nodeType in ( node.TEXT_NODE, node.CDATA_SECTION_NODE):

print node.data

这种方式在获取元素的文本时，需要先判断才行，所以使用起来感觉不是太方便。

ElementTree库解析xml文件

ElementTree属于python标准库的一部分,ElementTree的parse()方法是这个库的主要入口，它使用文件名或流对象作为参数，parse()方法会立即解析完整个文档，它返回的对象是整个文档的对象，而不是根元素，如果要获取根元素，可以调用getroot()方法。

使用上述的data.xml文档，通过ElementTree库解析的代码：

import xml.etree.ElementTree as ET

#读取xml文件
def load_xml_file(fileName):
root = ET.parse(fileName).getroot()

#获取文件描述
intro = root.find('intro').text
print intro

#获取所有list节点
all_users = root.findall('list')
#遍历list节点的子元素
for user in all_users:
#得到head节点的文本
head = user.find('head').text
#得到name节点的文本
name = user.find('name').text
#得到sex节点的文本
sex = user.find('sex').text
print head,name,sex

if __name__ == '__main__':

load_xml_file('data.xml')

通过这种方式解析xml文件比起使用minidom库解析xml文件的，操作要方便的多。

使用libxml2解析xml

libxml2是使用C语言开发的xml解析器，是一个基于MIT License的免费开源软件，多种编程语言都有基于它的实现，如本文将会介绍的lxml模块。实例“get_xpath_1”如下：

mport libxml2

def get_xpath_1():

doc = libxml2.parseFile("data.xml")#data.xml文件结构与上述的input_xml_string相同

for node in doc.xpathEval("//item/data[@version = '1.0']"):

print (node, node.name, (node.properties.name, node.properties.content))

doc.freeDoc()

程序运行结果如下：

(<xmlNode (data) object at 0x9326c6c>, 'data', ('version', '1.0'))

观察上面的运行结果，能够满足我们的需求，有点小不足“xpathEval()”接口不支持类似模板的用法，但不影响使用，由于libxml2采用C语言开发的，因此在使用API接口的方式上难免会有点“水土不服”(写法或习惯性用法)

使用lxml解析xml

lxml是以上述介绍过的libxml2为基础采用python语言开发的，从使用层面上说比libxml2更适合python开发者(鄙人感受)，且"xpath"接口支持类似模板的用法，实例“get_xpath_2”如下：

import lxml.etree
def get_xpath_2():
doc = lxml.etree.parse(file)
for node in doc.xpath("//item/data[@version = $name]", name = "1.0"):
print (node, node.tag, (node.items()))

程序运行结果如下：

(<Element data at a1f784c>, 'data', [('version', '1.0'), ('url', 'http://***')])

使用xpath模块解析xml

xpath是python官方推荐的一个支持xpath等处理的模块，是基于本文介绍过的python自带xml处理模块扩展而成，可以很好的结合使用，同时“find”接口也支持类似模板的用法，实例“get_xpath_3”如下：

Python代码

import xpath
def get_xpath_3():
doc = xml.dom.minidom.parseString(input_xml_string)
for node in xpath.find("//item/data[@version = $name]", doc, name = "1.0"):
print (node, node.tagName, node.getAttribute("version"))

程序运行结果如下：

(<DOM Element: data at 0x89934cc>, u'data', u'1.0')

总结:

通过对这些类库的实践，我们已经了解了python在处理xml格式的数据时有各种各样的选择，并得知这些类库各自擅长那些方面的处理和各种类库的使用手法，可以根据实际需求选择合适的类库完成开发工作。

内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理

标签：

相关文章推荐

新的分享

章节导航