python解析.xml文件-- xmltodict模塊（第三方）

第一part:XML文件介紹

---

 

1.XML的定義： 指可擴展標記語言（EXtensible Markup Language）。

2.XML的特點：

1）XML 是一種很像HTML的標記語言；
2）XML 的設計宗旨是傳輸數據，而不是顯示數據；
3）XML 標簽沒有被預定義，需要自行定義標簽；
4）XML 被設計為具有自我描述性；
5）XML 是 W3C 的推薦標准。

3.XML的用途：

1）XML把數據從HTML分離；
2）XML簡化數據共享；
3）XML簡化數據傳輸；
4）XML簡化平台變更；
5）XML使您的數據更有用；
6）XML用於創建新的互聯網語言。

4.XML的文件內容結構：

元素：指從開始標簽到結束標簽的部分（均包括開始和結束），一個元素可以包括：子元素，屬性和文本。

子元素
<people>
<name></name>
</people>
屬性
<sex=’男’></sex>
文本
<age>12</age>

5.XML語法規則：

1）所有的元素都必須有開始標簽和結束標簽，省略結束標簽是非法的；
2）大小寫敏感，（比如：<people></people>和<People></People>是兩個不同的標簽；
3）xml文檔必須有根元素；
4）XML必須正確嵌套，父元素必須完全包住子元素；
5）XML屬性值必須加引號，元素的屬性值都是一個鍵值對形式。

---

 

第二part:Python對XML的解析的方法

---

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， 使用場合也不同。

python有三種方法解析XML：SAX，DOM和ElementTree

1）DOM(Document Object Model)：
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，之后利用DOM提供的不同函數來讀取該文檔的內容和結構，也可以把修改過的內容寫入XML文件。由於DOM是將XML讀取到內存，然后解析成一個樹，如果要處理的XML文本比較大的話，就會很耗內存，所以DOM一般偏向於處理一些小的XML，（如配置文件）比較快。

2）SAX(simple API for XML)：
Python標准庫中包含SAX解析器，SAX是用的是事件驅動模型，通過在解析XML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。

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。

xml.dom解析XML詳解介紹：

1)先定義一個data4.xml文件，如下：

2）安裝xmltodict第三方模塊：安裝的方式有兩種，一種是通過命令行 pip install  xmltodict；第二種是通過pycharm的settings中搜索安裝該模塊

3）解析代碼：

#導包
import xmltodict
import json
with open("data4.xml",encoding="utf-8") as fp:
    # 參數可以是字符串也可以是文件流對象
    get_xml=xmltodict.parse(fp.read()) 
    print(get_xml)
    print("根標簽的屬性：",get_xml["people_info"]['@name'])
    print("根標簽下people_1子標簽hegiht屬性值：",get_xml["people_info"]["people_1"]["@height"])
    fp.seek(0)
    #可以直接將結果轉換成json格式
    print(json.dumps(xmltodict.parse(fp.read()),ensure_ascii=False))

執行結果如下：

 

 

4）需求：需要對data4.xml文件中的所有根標簽下的以people開頭的子標簽文本內容全部以字典的形式定義成一組數據，最后全部寫入到一個列表中；代碼如下：

#導包
import xmltodict
import json
def get_xml_data(input):
    '''
    :param input: 傳入鍵的開頭值
    :return: 
    '''
    list1=[]
    with open("data4.xml",encoding="utf-8") as fp:
        #解析xml得到字典格式;存在根標簽
        get_result=json.loads(json.dumps(xmltodict.parse(fp.read()),ensure_ascii=False))
        #取到根標簽的值然后進行遍歷鍵和值，然后再根據鍵以people開頭的標簽取出對應的值
        for key,value in list(get_result.values())[0].items():
            dict1={}
            if str(key).startswith(input):
                #子標簽可能存在屬性，屬性一般通過xmltodict轉換后得到的通常都是以@開頭的
                for get_key,get_value in value.items():
                    if not str(get_key).startswith("@"):
                        dict1[get_key]=get_value
                list1.append(dict1)
    return list1

#調用測試代碼
print(get_xml_data("people"))

執行結果，如下：