關於python讀取xml文章很多，但大多文章都是貼一個xml文件，然后再貼個處理文件的代碼。這樣並不利於初學者的學習，希望這篇文章可以更通俗易懂的教如何使用python 來讀取xml 文件。
什么是xml？
xml即可擴展標記語言，它可以用來標記數據、定義數據類型，是一種允許用戶對自己的標記語言進行定義的源語言。
abc.xml
<?xml version="1.0" encoding="utf-8"?> <catalog> <maxid>4</maxid> <login username="pytest" passwd='123456'> <caption>Python</caption> <item id="4"> <caption>測試</caption> </item> </login> <item id="2"> <caption>Zope</caption> </item> </catalog>
Ok ,從結構上，它很像我們常見的HTML超文本標記語言。但他們被設計的目的是不同的，超文本標記語言被設計用來顯示數據，其焦點是數據的外觀。它被設計用來傳輸和存儲數據，其焦點是數據的內容。
那么它有如下特征：
首先，它是有標簽對組成，<aa></aa>
標簽可以有屬性：<aa id=’123’></aa>
標簽對可以嵌入數據：<aa>abc</aa>
標簽可以嵌入子標簽（具有層級關系）：
<aa>
<bb></bb>
</aa>
獲得標簽屬性
那么，下面來介紹如何用python來讀取這種類型的文件。
#coding=utf-8 import xml.dom.minidom #打開xml文檔 dom = xml.dom.minidom.parse('abc.xml') #得到文檔元素對象 root = dom.documentElement print root.nodeName print root.nodeValue print root.nodeType print root.ELEMENT_NODE
mxl.dom.minidom 模塊被用來處理xml文件，所以要先引入。
xml.dom.minidom.parse() 用於打開一個xml文件，並將這個文件對象dom變量。
documentElement 用於得到dom對象的文檔元素，並把獲得的對象給root
每一個結點都有它的nodeName，nodeValue，nodeType屬性。
nodeName為結點名字。
nodeValue是結點的值，只對文本結點有效。
nodeType是結點的類型。catalog是ELEMENT_NODE類型
現在有以下幾種：
'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'
NodeTypes - 有名常數
http://www.w3school.com.cn/xmldom/dom_nodetype.asp
獲得子標簽
現在要獲得catalog的子標簽以的標簽name
<?xml version="1.0" encoding="utf-8"?> <catalog> <maxid>4</maxid> <login username="pytest" passwd='123456'> <caption>Python</caption> <item id="4"> <caption>測試</caption> </item> </login> <item id="2"> <caption>Zope</caption> </item> </catalog>
對於知道元素名字的子元素，可以使用getElementsByTagName方法獲取：
#coding=utf-8 import xml.dom.minidom #打開xml文檔 dom = xml.dom.minidom.parse('abc.xml') #得到文檔元素對象 root = dom.documentElement bb = root.getElementsByTagName('maxid') b= bb[0] print b.nodeName bb = root.getElementsByTagName('login') b= bb[0] print b.nodeName
如何區分相同標簽名字的標簽：
<?xml version="1.0" encoding="utf-8"?> <catalog> <maxid>4</maxid> <login username="pytest" passwd='123456'> <caption>Python</caption> <item id="4"> <caption>測試</caption> </item> </login> <item id="2"> <caption>Zope</caption> </item> </catalog>
<caption>和<item>標簽不止一個如何區分？
#coding=utf-8 import xml.dom.minidom #打開xml文檔 dom = xml.dom.minidom.parse('abc.xml') #得到文檔元素對象 root = dom.documentElement bb = root.getElementsByTagName('caption') b= bb[2] print b.nodeName bb = root.getElementsByTagName('item') b= bb[1] print b.nodeName
root.getElementsByTagName('caption') 獲得的是標簽為caption 一組標簽，b[0]表示一組標簽中的第一個；b[2] ，表示這一組標簽中的第三個。
獲得標簽屬性值
<?xml version="1.0" encoding="utf-8"?> <catalog> <maxid>4</maxid> <login username="pytest" passwd='123456'> <caption>Python</caption> <item id="4"> <caption>測試</caption> </item> </login> <item id="2"> <caption>Zope</caption> </item> </catalog>
<login>和<item>標簽是有屬性的，如何獲得他們的屬性？
#coding=utf-8 import xml.dom.minidom #打開xml文檔 dom = xml.dom.minidom.parse('abc.xml') #得到文檔元素對象 root = dom.documentElement itemlist = root.getElementsByTagName('login') item = itemlist[0] un=item.getAttribute("username") print un pd=item.getAttribute("passwd") print pd ii = root.getElementsByTagName('item') i1 = ii[0] i=i1.getAttribute("id") print i i2 = ii[1] i=i2.getAttribute("id") print i
getAttribute方法可以獲得元素的屬性所對應的值。
獲得標簽對之間的數據
<?xml version="1.0" encoding="utf-8"?> <catalog> <maxid>4</maxid> <login username="pytest" passwd='123456'> <caption>Python</caption> <item id="4"> <caption>測試</caption> </item> </login> <item id="2"> <caption>Zope</caption> </item> </catalog>
<caption>標簽對之間是有數據的，如何獲得這些數據？
獲得標簽對之間的數據有多種方法，
方法一
#coding=utf-8 import xml.dom.minidom #打開xml文檔 dom = xml.dom.minidom.parse('abc.xml') #得到文檔元素對象 root = dom.documentElement cc=dom.getElementsByTagName('caption') c1=cc[0] print c1.firstChild.data c2=cc[1] print c2.firstChild.data c3=cc[2] print c3.firstChild.data
firstChild 屬性返回被選節點的第一個子節點，.data表示獲取該節點人數據。
方法二
#coding=utf-8 from xml.etree import ElementTree as ET per=ET.parse('abc.xml') p=per.findall('./login/item') for oneper in p: for child in oneper.getchildren(): print child.tag,':',child.text p=per.findall('./item') for oneper in p: for child in oneper.getchildren(): print child.tag,':',child.text
方法二有點復雜，所引用模塊也與前面的不一樣，findall用於指定在哪一級標簽下開始遍歷。
getchildren方法按照文檔順序返回所有子標簽。並輸出標簽名（child.tag）和標簽的數據（child.text）
其實，方法二的作用不在於此，它核心功能是可以遍歷某一級標簽下的所有子標簽。