python解析xml文档实例

今天恰好用到，记录一下

使用python

用到的包：xml.dom.minidom

需求：

有一个表，里面数据量比较大，每天一更新，其字段可以通过配置文件进行配置，即，可能每次建表的字段不一样。

上游跑时会根据配置从源文件中提取，到入库这一步需要根据配置进行建表。

解决：

写了一个简单的xml，配置需要字段及类型

上游读取到对应的数据

入库这一步，先把原表删除，根据配置建新表

XML文件

[html]
view plaincopyprint?

<?xml version="1.0" encoding="UTF-8"?>  
<!-- 表名 ,数据库名   可灵活配置插入哪个库哪个表 -->  
<table name="top_query" db_name="evaluting_sys">  
<!-- 非业务主键，自增长,可配名，其他 INTEGER UNSIGNED AUTO_INCREMENT  -->  
<primary_key>  
<name>id</name>  
</primary_key>  
<!-- 字段开始 -->  
<field>  
<name>query</name>  
<type>varchar(200)</type>  
<is_index>false</is_index>  
<description>query</description>  
</field>  
<field>  
<name>pv</name>  
<type>integer</type>  
<is_index>false</is_index>  
<description>pv</description>  
</field>  
<field>  
<name>avg_money</name>  
<type>integer</type>  
<is_index>false</is_index>  
<description></description>  
</field>  
<!-- 字段配置结束 -->  
</table>  

脚本：

[html]
view plaincopyprint?

#!/usr/bin/python  
# -*- coding:utf-8 -*-  
#author: ken  
#desc: use to read db xml config.  
#-----------------------  
#2012-02-18 created  
  
#----------------------  
  
import sys,os  
from xml.dom import minidom, Node  
  
def read_dbconfig_xml(xml_file_path):  
  content = {}  
  
  root = minidom.parse(<span style="background-color: rgb(255, 255, 255); ">xml_file_path)</span>  
  table = root.getElementsByTagName("table")[0]  
  
  #read dbname and table name.  
  table_name = table.getAttribute("name")  
  db_name = table.getAttribute("db_name")  
  
  if len(table_name) > 0 and len(db_name) > 0:  
     db_sql = "create database if not exists `" + db_name +"`; use " + db_name + ";"   
     table_drop_sql = "drop " + table_name + " if exists " + table_name + ";"   
     content.update({"db_sql" : db_sql})  
     content.update({"table_sql" : table_drop_sql })    else:  
     print "Error:attribute is not define well!  db_name=" + db_name + " ;table_name=" + table_name  
     sys.exit(1)  
  #print table_name, db_name  
    
  table_create_sql = "create table " + table_name +"("  
  
  #read primary cell  
  primary_key = table.getElementsByTagName("primary_key")[0]  
  primary_key_name = primary_key.getElementsByTagName("name")[0].childNodes[0].nodeValue  
  
  table_create_sql += primary_key_name + " INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY,"  
  
  #print primary_key.toxml()  
  #read ordernary field   
  fields = table.getElementsByTagName("field")  
  f_index = 0  
  for field in fields:  
    f_index += 1  
    name = field.getElementsByTagName("name")[0].childNodes[0].nodeValue  
    type = field.getElementsByTagName("type")[0].childNodes[0].nodeValue  
    table_create_sql += name + " " + type  
    if f_index != len(fields):  
      table_create_sql += ","  
    is_index = field.getElementsByTagName("is_index")[0].childNodes[0].nodeValue  
  
  table_create_sql += ");"  
  content.update({"table_create_sql" : table_create_sql})  
  #character set latin1 collate latin1_danish_ci;  
  print content  
  
  
if __name__ == "__main__":  
  read_dbconfig_xml(sys.argv[1])  

涉及方法：
root = minidom.parse(xml_file_path)  获取dom对象

root.getElementsByTagName("table")  根据tag获取节点列表

table.getAttribute("name")  获取属性

primary_key.getElementsByTagName("name")[0].childNodes[0].nodeValue  获取子节点的值（<name>id</name>  得到id）

--------------------------------------------------------------------------

简单的读取就是这样，这里只是简单使用了下

后续需去了解下python读取xml的几个库

xml.dom.minidom

xml.etree.ElementTree 

libxml2

lxml.etree 

xpath