python提取xml里面的链接源码详解

因群里朋友需要提取xml地图里面的链接，就写了这个程序。

代码：

#coding=utf-8
import urllib
import urllib.request
import re
url='http://zhimo.yuanzhumuban.cc/sitemaps.xml'
html=urllib.request.urlopen(url).read()
html=html.decode('utf-8')
r=re.compile(r'(http://zhimo.yuanzhumuban.cc.*?\.html)')
big=re.findall(r,html)
for i in big:
print(i)
op_xml_txt=open('xml.txt','a')
op_xml_txt.write('%s\n'%i)

扩展阅读：

Python3提取xml文件中的内容

import xml.dom.minidom

def find_child(Par_nodes, mystr):
for child_node in Par_nodes:
if(len(child_node.childNodes) > 0):
mystr = find_child(child_node.childNodes, mystr)
elif(child_node.nodeValue != None):
mystr += child_node.data.replace('\n', '')
return mystr

if __name__ == '__main__':

dom1 = xml.dom.minidom.parse('2.XML') #打开xml文件
root = dom1.documentElement     #得到文档元素对象
app_nums = root.getElementsByTagName('base:DocNumber') #按标签名称查找，返回标签结点数组
app_num = app_nums[2]
print('专利申请号：'+app_num.firstChild.data)
titles = root.getElementsByTagName('business:InventionTitle')
title = titles[0]
print('专利名称：'+title.firstChild.data)
Paragraphs = root.getElementsByTagName('base:Paragraphs')
abstract = Paragraphs[0]
print('专利摘要：'+abstract.firstChild.data)
company_names = root.getElementsByTagName('base:Name')
company_name = company_names[0]
print('公司名称：'+company_name.firstChild.data)
mystr = ''
for i in range(len(Paragraphs)):
if (Paragraphs[i].firstChild.data == '发明内容\n\t'):
i+=1
while Paragraphs[i].firstChild.data != '附图说明\n\t':
mystr = find_child(Paragraphs[i].childNodes, mystr)
i+=1

print('发明内容：' + mystr)

以上就是本次介绍的全部实例代码知识点，感谢大家的学习和对脚本之家的支持。

您可能感兴趣的文章:

• Python3使用xml.dom.minidom和xml.etree模块儿解析xml文件封装函数的方法
• python解析xml简单示例
• 浅谈Python大神都是这样处理XML文件的
• python lxml中etree的简单应用
• Python利用lxml模块爬取豆瓣读书排行榜的方法与分析