python處理.xml文件工具包之XML2Dict

xml文件是可擴展標記語言，在保存數據時，經常和.xml文件打交道，它語法簡明、格式友好。具體的信息可以到百度百科科普下，下面主要介紹下我用的處理.xml文件的工具包XML2Dict

工具包下載：http://files.cnblogs.com/kaituorensheng/%E5%A4%84%E7%90%86xml%E6%96%87%E4%BB%B6.zip

下載后把文件解壓，和自己的.py文件放在一起，里邊有兩個文件：xml2dict.py, object_dict.py，在自己.py文件的開頭加上

from xml2dict import XML2Dict
xml = XML2Dict()
r = xml.parse("待處理文件名.xml")   

示例一：

待處理文件：

分析下這個文件的格式：

    最外一層被<kbpentlink></kbpentlink>包圍

    往里一層是：<query></query>,query中包括<id><name>和<docid>兩個屬性

處理這個文件（取名:1.xml）代碼：

from xml2dict import XML2Dict
xml = XML2Dict()
r = xml.parse('1.xml')
for q in r.kbpentlink.query:
    print q
    print q.id
    print q.name
    print q.docid
    print '-----------------'

執行結果：

可以看到.xml文件被解析成字典的形式。使用給工具包的要點就是：分清層次，一點一點的往里面遞進。

下邊來解析一個比較難的示例：

示例二：

待處理文件：

分析：

第一層：<entailment_corpus></entailment_corpus>

第二層：<TOPIC></TOPIC>

第三層：<H></H>，里面有屬性<h_id><H_sentence><text>

第四層：（<text>屬性有的前提下），里面屬性<doc_id><s_id><evaluation><value>

這里的關鍵就是第三層：因為有的有一個<text>，有的則有多個，還有的沒有：一個是得到的是個字典，多個時是個列表

解析代碼如下：

 

from xml2dict import XML2Dict
import types
xml = XML2Dict()
r = xml.parse('2.xml')
for topic in r.entailment_corpus.TOPIC:
    print 'topic.t_id:' + topic.t_id
    for h in topic.H:
        print 'H.h_id' + h.h_id
        print 'H.H_sentence' + h.H_sentence
        if h.has_key('text'):
            if type(h.text) == types.ListType:       //多個時為列表類型
                print 'hello list'
                print h.text
                for text in h.text:
                    print 'h.doc_id' + text.doc_id  //單個時

            else:
                print 'hello dic'
                print h.text            //單個時h.text就可以輸出了，不要for了，否則錯誤 else:
            print "no text attribute"

 

結果：

這里引用了types里面的函數type(類型)，用法如下示例：

已解決：

示例二中else替換為：type(h.text) == types.DictType: 效果不同，原因：

一般的字典類型為：

 

而此時類型為：