python處理XML文件


http://pycoders-weekly-chinese.readthedocs.io/en/latest/issue6/processing-xml-in-python-with-element-tree.html

【XML基本概念介紹】

XML 指可擴展標記語言(eXtensible Markup Language)。
XML 被設計用來傳輸和存儲數據。
概念一:

復制代碼 代碼如下:

<foo>      # foo元素的起始標簽 
</foo>     # foo元素的結束標簽 
           # note: 每一個起始標簽必須有對應的結束標簽來閉合, 也可以寫成<foo/> 


概念二:

復制代碼 代碼如下:

<foo>           # 元素可以嵌套到任意參次 
  <bar></bar>   # bar元素為foo元素的子元素 
</foo>          # 父元素foo的結束標簽 


概念三:

復制代碼 代碼如下:

<foo lang='EN'>                  # foo元素有個lang的屬性,該屬性值為: EN;對應Python字典(Name-Value)對;                             
  <bar id='001' lang="CH"></bar> # bar元素有個lang的屬性,該屬性值為: CH;還有個id屬性,值為:001,放置在''或“”中;  
</foo>                           # bar元素中的lang屬性不會和foo元素中相沖突,每個元素都有獨立的屬性集;

概念四:

復制代碼 代碼如下:

<title>Learning Python</title> # 元素可以有文本內容 
                                # Note:如果一個元素即沒有文本內容,也沒有子元素,則為空元素。 


概念五:

復制代碼 代碼如下:

<info>                                  # info元素為根節點 
    <list id='001'> A </list>           # list元素為子節點 
    <list id='002'> B </list>  
    <list id='003'> C </list> 
</info> 


概念六:

復制代碼 代碼如下:

<feed xmlns='http://www.w3.org/2005/Atom'>  # 可以通過聲明xmlns來定義默認名字空間,feed元素處於http://www.w3.org/2005/Atom命名空間中 
  <title>dive into mark</title>             # title元素也是。名字空間聲明不僅會作用於當前聲明它的元素,還會影響到該元素的所有子元素 
</feed> 
也可以通過xmlns:prefix聲明來定義一個名字空間並取其名為prefix。
然后該名字空間中的每個元素都必須顯式地使用這個前綴(prefix)來聲明。
<atom:feed xmlns:atom='http://www.w3.org/2005/Atom'>  # feed屬於命名空間atom 
  <atom:title>dive into mark</atom:title>             # title元素同樣屬於該命名空間            
</atom:feed>                                          # xmlns(XML Name Space) 

【XML幾種解析方法】

常見的XML編程接口有DOM和SAX,這兩種接口處理XML文件的方式不同,使用場合自然也就不同。

Python有三種方法解析XML: SAX,DOM,以及ElementTree:

1.SAX (Simple API for XML )

Pyhton標准庫包含SAX解析器,SAX用事件驅動模型,通過在解析XML的過程中觸發一個個的事件並調用用戶定義的回調函數來處理XML文件。SAX是一種基於事件驅動的API。利用SAX解析XML文檔牽涉到兩個部分:解析器和事件處理器。
解析器負責讀取XML文檔,並向事件處理器發送事件,如元素開始及結束事件;而事件處理器則負責對事件作出處理。
優點:SAX流式讀取XML文件,比較快,占用內存少。
缺點:需要用戶實現回調函數(handler)。

2.DOM(Document Object Model)

將XML數據在內存中解析成一個樹,通過對樹的操作來操作XML。一個DOM的解析器在解析一個XML文檔時,一次性讀取整個文檔,把文檔中所有元素保存在內存中的一個樹結構里,之后你可以利用DOM提供的不同的函數來讀取或修改文檔的內容和結構,也可以把修改過的內容寫入xml文件。
優點:使用DOM的好處是你不需要對狀態進行追蹤,因為每一個節點都知道誰是它的父節點,誰是子節點.
缺點:DOM需要將XML數據映射到內存中的樹,一是比較慢,二是比較耗內存,使用起來也比較麻煩!

3.ElementTree(元素樹)

ElementTree就像一個輕量級的DOM,具有方便友好的API。代碼可用性好,速度快,消耗內存少。
相比而言,第三種方法,即方便,又快速,我們一直用它!下面介紹用元素樹如何解析XML:

【ElementTree解析】

兩種實現

ElementTree生來就是為了處理XML ,它在Python標准庫中有兩種實現。
一種是純Python實現,例如: xml.etree.ElementTree
另外一種是速度快一點的:   xml.etree.cElementTree
盡量使用C語言實現的那種,因為它速度更快,而且消耗的內存更少! 在程序中可以這樣寫:

復制代碼 代碼如下:

try: 
    import xml.etree.cElementTree as ET 
except ImportError: 
    import xml.etree.ElementTree as ET 


常用方法

復制代碼 代碼如下:

# 當要獲取屬性值時,用attrib方法。 
# 當要獲取節點值時,用text方法。 
# 當要獲取節點名時,用tag方法。 

示例XML

復制代碼 代碼如下:

<?xml version="1.0" encoding="utf-8"?> 
<info> 
   <intro>Book message</intro> 
    <list id='001'> 
        <head>bookone</head> 
        <name>python check</name> 
        <number>001</number> 
        <page>200</page> 
    </list> 
    <list id='002'> 
        <head>booktwo</head> 
        <name>python learn</name> 
        <number>002</number> 
        <page>300</page> 
    </list> 
</info> 


###########
##  加載XML
###########

方法一:加載文件

復制代碼 代碼如下:

root = ET.parse('book.xml') 


方法二:加載字符串

復制代碼 代碼如下:

root = ET.fromstring(xmltext)

###########
## 獲取節點
###########

方法一:獲得指定節點->getiterator()方法

復制代碼 代碼如下:

book_node = root.getiterator('list')


方法二:獲得指定節點->findall()方法

復制代碼 代碼如下:

book_node = root.findall('list') 


方法三:獲得指定節點->find()方法

復制代碼 代碼如下:

book_node = root.find('list') 


方法四:獲得兒子節點->getchildren()

復制代碼 代碼如下:

for node in book_node: 
    book_node_child = node.getchildren()[0] 
    print book_node_child.tag, '=> ', book_node_child.text
 


###########
##  例子01
###########

復制代碼 代碼如下:

# coding=utf-8 
 
try:                                           # 導入模塊 
    import xml.etree.cElementTree as ET 
except ImportError: 
    import xml.etree.ElementTree as ET 
 
root   = ET.parse('book.xml')                 # 分析XML文件 
books  = root.findall('/list')                # 查找所有根目錄下的list的子節點 
for book_list in books:                       # 對查找后的結果遍歷 
    print "=" * 30                            # 輸出格式            
    for book in book_list:                    # 對每個子節點再進行遍歷,找出里面你的屬性及值                      
        if book.attrib.has_key('id'):         # 一句id來做條件判斷 
            print "id:", book.attrib['id']    # 根據id打印出屬性值 
        print book.tag + '=> ' + book.text    # 輸出標簽及文本內容 
print "=" * 30 


輸出結果:

復制代碼 代碼如下:


============================== 
head=> bookone 
name=> python check 
number=> 001 
page=> 200 
============================== 
head=> booktwo 
name=> python learn 
number=> 002 
page=> 300 
============================== 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM