AI专业者开发社区 1 号成员
  •  0 回帖  •  10 浏览  •  5 个月前
   

Python实现XML文件解析

1. XML 简介

　　XML（eXtensible Markup Language）指可扩展标记语言，被设计用来传输和存储数据，已经日趋成为当前许多新生技术的核心，在不同的领域都有着不同的应用。它是 web 发展到一定阶段的必然产物，既具有 SGML 的核心特征，又有着 HTML 的简单特性，还具有明确和结构良好等许多新的特性。

　　test.XML 文件　

<?xml version="1.0" encoding="utf-8"?>
<catalog>
    <maxid>4</maxid>
    <login username="pytest" passwd='123456'>
        <caption>Python</caption>
        <item id="4">
            <caption>测试</caption>
        </item>
    </login>
    <item id="2">
        <caption>Zope</caption>
    </item>
</catalog>

　　XML 详细介绍可以参考：http://www.w3school.com.cn/xmldom/dom_nodetype.asp

2. XML 文件解析

　　python 解析 XML 常见的有三种方法：一是 xml.dom.* 模块，它是 W3C DOM API 的实现，若需要处理 DOM API 则该模块很适合；二是 xml.sax.* 模块，它是 SAX API 的实现，这个模块牺牲了便捷性来换取速度和内存占用，SAX 是一个基于事件的 API，这就意味着它可以“在空中”处理庞大数量的的文档，不用完全加载进内存；三是 xml.etree.ElementTree 模块（简称 ET），它提供了轻量级的 Python 式的 API，相对于 DOM 来说 ET 快了很多，而且有很多令人愉悦的 API 可以使用，相对于 SAX 来说 ET 的 ET.iterparse 也提供了 “在空中” 的处理方式，没有必要加载整个文档到内存，ET 的性能的平均值和 SAX 差不多，但是 API 的效率更高一点而且使用起来很方便。

2.1 xml.dom.*

　　文件对象模型（Document Object Model，简称 DOM），是 W3C 组织推荐的处理可扩展置标语言的标准编程接口。一个 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，之后你可以利用 DOM 提供的不同的函数来读取或修改文档的内容和结构，也可以把修改过的内容写入 xml 文件。python 中用 xml.dom.minidom 来解析 xml 文件。

　　a. 获得子标签　　　

　　b. 区分相同标签名的标签

　　c. 获取标签属性值

　　d. 获取标签对之间的数据

#coding=utf-8

#通过 minidom 解析 xml 文件
import xml.dom.minidom as xmldom
import os
'''
XML 文件读取
<?xml version="1.0" encoding="utf-8"?>
<catalog>
<maxid>4</maxid>
<login username="pytest" passwd='123456'>dasdas
<caption>Python</caption>
<item id="4">
<caption> 测试 </caption>
</item>
</login>
<item id="2">
<caption>Zope</caption>
</item>
</catalog>


'''


xmlfilepath = os.path.abspath("test.xml")
print ("xml 文件路径：", xmlfilepath)


# 得到文档对象
domobj = xmldom.parse(xmlfilepath)
print("xmldom.parse:", type(domobj))
# 得到元素对象
elementobj = domobj.documentElement
print ("domobj.documentElement:", type(elementobj))


#获得子标签
subElementObj = elementobj.getElementsByTagName("login")
print ("getElementsByTagName:", type(subElementObj))


print (len(subElementObj))
# 获得标签属性值
print (subElementObj[0].getAttribute("username"))
print (subElementObj[0].getAttribute("passwd"))


#区分相同标签名的标签
subElementObj1 = elementobj.getElementsByTagName("caption")
for i in range(len(subElementObj1)):
print ("subElementObj1[i]:", type(subElementObj1[i]))
print (subElementObj1[i].firstChild.data)  #显示标签对之间的数据

　　输出结果：

>>> D:\Pystu>python xml_instance.py
>>> xml 文件路径： D:\Pystu\test.xml
>>> xmldom.parse: <class 'xml.dom.minidom.Document'>
>>> domobj.documentElement: <class 'xml.dom.minidom.Element'>
>>> getElementsByTagName: <class 'xml.dom.minicompat.NodeList'>
>>> username: pytest
>>> passwd: 123456
>>> subElementObj1[i]: <class 'xml.dom.minidom.Element'>
>>> Python
>>> subElementObj1[i]: <class 'xml.dom.minidom.Element'>
>>> 测试
>>> subElementObj1[i]: <class 'xml.dom.minidom.Element'>
>>> Zope

2.2 xml.etree.ElementTree

　　ElementTree 生来就是为了处理 XML，它在 Python 标准库中有两种实现：一种是纯 Python 实现的，如 xml.etree.ElementTree，另一种是速度快一点的 xml.etree.cElementTree。注意：尽量使用 C 语言实现的那种，因为它速度更快，而且消耗的内存更少。

　　a. 遍历根节点的下一层　　　

　　b. 下标访问各个标签、属性、文本

　　c. 查找 root 下的指定标签

　　d. 遍历 XML 文件

　　e. 修改 XML 文件

#coding=utf-8

#通过解析 xml 文件
'''
try:
import xml.etree.CElementTree as ET
except:
import xml.etree.ElementTree as ET


从 Python3.3 开始 ElementTree 模块会自动寻找可用的 C 库来加快速度
'''
import xml.etree.ElementTree as ET
import os
import sys
'''
XML 文件读取
<?xml version="1.0" encoding="utf-8"?>
<catalog>
<maxid>4</maxid>
<login username="pytest" passwd='123456'>dasdas
<caption>Python</caption>
<item id="4">
<caption> 测试 </caption>
</item>
</login>
<item id="2">
<caption>Zope</caption>
</item>
</catalog>
'''


#遍历 xml 文件
def traverseXml(element):
#print (len(element))
if len(element)>0:
for child in element:
print (child.tag, "----", child.attrib)
traverseXml(child)
#else:
#print (element.tag, "----", element.attrib)


if name == "main":
xmlFilePath = os.path.abspath("test.xml")
print(xmlFilePath)
try:
tree = ET.parse(xmlFilePath)
print ("tree type:", type(tree))


    </span><span style="color: rgba(0, 128, 0, 1)">#</span><span style="color: rgba(0, 128, 0, 1)"> 获得根节点</span>
    root =<span style="color: rgba(0, 0, 0, 1)"> tree.getroot()
</span><span style="color: rgba(0, 0, 255, 1)">except</span> Exception as e:  <span style="color: rgba(0, 128, 0, 1)">#</span><span style="color: rgba(0, 128, 0, 1)">捕获除与程序退出sys.exit()相关之外的所有异常</span>
    <span style="color: rgba(0, 0, 255, 1)">print</span> (<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">parse test.xml fail!</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">)
    sys.exit()
</span><span style="color: rgba(0, 0, 255, 1)">print</span> (<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">root type:</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">, type(root))    
</span><span style="color: rgba(0, 0, 255, 1)">print</span> (root.tag, <span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">----</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">, root.attrib)

</span><span style="color: rgba(0, 128, 0, 1)">#</span><span style="color: rgba(0, 128, 0, 1)">遍历root的下一层</span>
<span style="color: rgba(0, 0, 255, 1)">for</span> child <span style="color: rgba(0, 0, 255, 1)">in</span><span style="color: rgba(0, 0, 0, 1)"> root:
    </span><span style="color: rgba(0, 0, 255, 1)">print</span> (<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">遍历root的下一层</span><span style="color: rgba(128, 0, 0, 1)">"</span>, child.tag, <span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">----</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">, child.attrib)

</span><span style="color: rgba(0, 128, 0, 1)">#</span><span style="color: rgba(0, 128, 0, 1)">使用下标访问</span>
<span style="color: rgba(0, 0, 255, 1)">print</span><span style="color: rgba(0, 0, 0, 1)"> (root[0].text)
</span><span style="color: rgba(0, 0, 255, 1)">print</span> (root[1][1<span style="color: rgba(0, 0, 0, 1)">][0].text)

</span><span style="color: rgba(0, 0, 255, 1)">print</span> (20 * <span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">*</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">)
</span><span style="color: rgba(0, 128, 0, 1)">#</span><span style="color: rgba(0, 128, 0, 1)">遍历xml文件</span>



    traverseXml(root)
print (20 * "*")


</span><span style="color: rgba(0, 128, 0, 1)">#</span><span style="color: rgba(0, 128, 0, 1)">根据标签名查找root下的所有标签</span>
captionList = root.findall(<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">item</span><span style="color: rgba(128, 0, 0, 1)">"</span>)  <span style="color: rgba(0, 128, 0, 1)">#</span><span style="color: rgba(0, 128, 0, 1)">在当前指定目录下遍历</span>
<span style="color: rgba(0, 0, 255, 1)">print</span><span style="color: rgba(0, 0, 0, 1)"> (len(captionList))
</span><span style="color: rgba(0, 0, 255, 1)">for</span> caption <span style="color: rgba(0, 0, 255, 1)">in</span><span style="color: rgba(0, 0, 0, 1)"> captionList:
    </span><span style="color: rgba(0, 0, 255, 1)">print</span> (caption.tag, <span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">----</span><span style="color: rgba(128, 0, 0, 1)">"</span>, caption.attrib, <span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">----</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">, caption.text)

</span><span style="color: rgba(0, 128, 0, 1)">#</span><span style="color: rgba(0, 128, 0, 1)">修改xml文件，将passwd修改为999999</span>
login = root.find(<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">login</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">)
passwdValue </span>= login.get(<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">passwd</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">)
</span><span style="color: rgba(0, 0, 255, 1)">print</span> (<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">not modify passwd:</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">, passwdValue)
login.set(</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">passwd</span><span style="color: rgba(128, 0, 0, 1)">"</span>, <span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">999999</span><span style="color: rgba(128, 0, 0, 1)">"</span>)   <span style="color: rgba(0, 128, 0, 1)">#</span><span style="color: rgba(0, 128, 0, 1)">修改，若修改text则表示为login.text</span>
<span style="color: rgba(0, 0, 255, 1)">print</span> (<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">modify passwd:</span><span style="color: rgba(128, 0, 0, 1)">"</span>, login.get(<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">passwd</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">))
</span></pre>

　　输出结果：

>>> D:\Pystu\test.xml
>>> tree type: <class 'xml.etree.ElementTree.ElementTree'>
>>> root type: <class 'xml.etree.ElementTree.Element'>
>>> catalog ---- {}
>>> 遍历 root 的下一层 maxid ---- {}
>>> 遍历 root 的下一层 login ---- {'username': 'pytest', 'passwd': '123456'}
>>> 遍历 root 的下一层 item ---- {'id': '2'}
>>> 4
>>> 测试
>>> ********************
>>> maxid ---- {}
>>> login ---- {'username': 'pytest', 'passwd': '123456'}
>>> caption ---- {}
>>> item ---- {'id': '4'}
>>> caption ---- {}
>>> item ---- {'id': '2'}
>>> caption ---- {}
>>> ********************
>>> 1
>>> item ---- {'id': '2'} ----

>>> not modify passwd: 123456
>>> modify passwd: 999999

　　附：

#coding=utf-8

'''
XML 解析类
@功能 - 结点的增删改查
'''
import xml.etree.ElementTree as ET
import sys
import os.path


class XmlParse:
def init(self, file_path):
self.tree = None
self.root = None
self.xml_file_path = file_path


</span><span style="color: rgba(0, 0, 255, 1)">def</span><span style="color: rgba(0, 0, 0, 1)"> ReadXml(self):
    </span><span style="color: rgba(0, 0, 255, 1)">try</span><span style="color: rgba(0, 0, 0, 1)">:
        </span><span style="color: rgba(0, 0, 255, 1)">print</span>(<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">xmlfile:</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">, self.xml_file_path)
        self.tree </span>=<span style="color: rgba(0, 0, 0, 1)"> ET.parse(self.xml_file_path)
        self.root </span>=<span style="color: rgba(0, 0, 0, 1)"> self.tree.getroot()
    </span><span style="color: rgba(0, 0, 255, 1)">except</span><span style="color: rgba(0, 0, 0, 1)"> Exception as e:
        </span><span style="color: rgba(0, 0, 255, 1)">print</span> (<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">parse xml faild!</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">)
        sys.exit()
    </span><span style="color: rgba(0, 0, 255, 1)">else</span><span style="color: rgba(0, 0, 0, 1)">:
        </span><span style="color: rgba(0, 0, 255, 1)">print</span> (<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">parse xml success!</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">)            
    </span><span style="color: rgba(0, 0, 255, 1)">finally</span><span style="color: rgba(0, 0, 0, 1)">: 
        </span><span style="color: rgba(0, 0, 255, 1)">return</span><span style="color: rgba(0, 0, 0, 1)"> self.tree
           
</span><span style="color: rgba(0, 0, 255, 1)">def</span><span style="color: rgba(0, 0, 0, 1)"> CreateNode(self, tag, attrib, text):
    element </span>=<span style="color: rgba(0, 0, 0, 1)"> ET.Element(tag, attrib)
    element.text </span>=<span style="color: rgba(0, 0, 0, 1)"> text
    </span><span style="color: rgba(0, 0, 255, 1)">print</span> (<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">tag:%s;attrib:%s;text:%s</span><span style="color: rgba(128, 0, 0, 1)">"</span> %<span style="color: rgba(0, 0, 0, 1)">(tag, attrib, text))
    </span><span style="color: rgba(0, 0, 255, 1)">return</span><span style="color: rgba(0, 0, 0, 1)"> element
          
</span><span style="color: rgba(0, 0, 255, 1)">def</span><span style="color: rgba(0, 0, 0, 1)"> AddNode(self, Parent, tag, attrib, text):
    element </span>=<span style="color: rgba(0, 0, 0, 1)"> self.CreateNode(tag, attrib, text)
    </span><span style="color: rgba(0, 0, 255, 1)">if</span><span style="color: rgba(0, 0, 0, 1)"> Parent:
        Parent.append(element)
        el </span>= self.root.find(<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">lizhi</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">)
        </span><span style="color: rgba(0, 0, 255, 1)">print</span> (el.tag, <span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">----</span><span style="color: rgba(128, 0, 0, 1)">"</span>, el.attrib, <span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">----</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">, el.text)
    </span><span style="color: rgba(0, 0, 255, 1)">else</span><span style="color: rgba(0, 0, 0, 1)">:
        </span><span style="color: rgba(0, 0, 255, 1)">print</span> (<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">parent is none</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(0, 0, 0, 1)">)

</span><span style="color: rgba(0, 0, 255, 1)">def</span><span style="color: rgba(0, 0, 0, 1)"> WriteXml(self, destfile):
    dest_xml_file </span>=<span style="color: rgba(0, 0, 0, 1)"> os.path.abspath(destfile)
    self.tree.write(dest_xml_file, encoding</span>=<span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">utf-8</span><span style="color: rgba(128, 0, 0, 1)">"</span>,xml_declaration=<span style="color: rgba(0, 0, 0, 1)">True)



if name == "main":
xml_file = os.path.abspath("test.xml")
parse = XmlParse(xml_file)
tree = parse.ReadXml()
root = tree.getroot()
print (root)
parse.AddNode(root, "Python", {"age":"22", "hello":"world"}, "YES")


parse.WriteXml(</span><span style="color: rgba(128, 0, 0, 1)">"</span><span style="color: rgba(128, 0, 0, 1)">testtest.xml</span><span style="color: rgba(128, 0, 0, 1)">"</span>)</pre>
View Code

2.3 xml.sax.*

　　SAX 是一种基于事件驱动的 API，利用 SAX 解析 XML 牵涉到两个部分：解析器和事件处理器。

　　解析器负责读取 XML 文档，并向事件处理器发送事件，如元素开始跟元素结束事件

　　事件处理器则负责对事件作出相应，对传递的 XML 数据进行处理

　　常用场景：

　　　　（1）对大型文件进行处理

　　　　（2）只需文件的部分内容，或只需从文件中得到特定信息

　　　　（3）想建立自己的对象模型

　　基于事件驱动的 SAX 解析 XML 内容的知识后续补充！