Python讀取XML文件內容


XML 指的是可擴展標記語言(eXtensible Markup Language),和json類似也是用於存儲和傳輸數據,還可以用作配置文件。類似於HTML超文本標記語言,但是HTML所有的標簽都是預定義的,而xml的標簽可以隨便定義。

XML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:

  • 其它元素
<aa>
	<bb></bb>
</aa>
  • 屬性
<a id=’132’></a>
  • 文本
<a >abc</a>
  • 混合以上所有

XML語法規則

  • 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。如:
<root>根元素</root>
  • 大小寫敏感,以下是兩個不同的標簽
<Note>this is a test1</Note>
<note>this is a test2</note>
  • xml文檔必須有根元素
<note>
 <b>this is a test2</b>
 <name>joy</name>
</note>
  • XML必須正確嵌套,父元素必須完全包住子元素。如:
<note><b>this is a test2</b></note>
  • XML屬性值必須加引號,元素的屬性值都是一個鍵值對形式。如:
<book category=" Python"></book>

注意:元素book的category屬性值python必須用引號括起來,單引號雙引號都可以。如果屬性值中包含單引號那么用雙引號括起來,如果屬性值包含單引號那么外面用雙引號括起來。

XML命名規則

名稱可以包含字母、數字以及其他字符
名稱不能以數字或標點符號開頭
名稱不能以字母xml或XML開始
名稱不能包含空格
可以使用任何名稱,沒有保留字
名稱應該具有描述性,簡短和簡單,可以同時使用下划線。
避免“-”、“.”、“:”等字符
Xml的注釋格式

<!--注釋內容-->

Python對XML的解析

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

  • 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。
  • 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。
    解析的基本過程:
    讀到一個XML開始標簽,就會開始一個事件,然后事件就會調用一系列的函數去處理
    一些事情,當讀到一個結束標簽時,就會觸發另一個事件。所以,我們寫XML文檔入
    如果有格式錯誤的話,解析就會出錯。
    這是一種流式處理,一邊讀一邊解析,占用內存少。適用場景如下:
    1、對大型文件進行處理;
    2、只需要文件的部分內容,或者只需從文件中得到特定信息。
    3、想建立自己的對象模型的時候。
  • 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。

注:因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,而SAX流式讀取XML文件,比較快,占用內存少,但需要用戶實現回調函數(handler)

xml.dom解析XML

本次先介紹DOM方式操作XML,先建立名為book.xml的文件供后續使用。

<?xml version="1.0" encoding="utf-8" ?>
<!--this is a test about xml.-->
<booklist type="science and engineering">
 <book category="math">
 <title>learning math</title>
 <author>張三</author>
 <pageNumber>561</pageNumber>
 </book>
 <book category="Python">
 <title>learning Python</title>
 <author>李四</author>
 <pageNumber>600</pageNumber>
 </book>
</booklist>

minidom.parse(parse=None,bufsie=None)

函數作用:使用parse解析器打開xml文檔,並將其解析為DOM文檔,也就是內存中的一棵樹,並得到這個對象

doc.documentElement

獲取xml文檔對象,就是拿到DOM樹的根
代碼示例:

>>> from xml.dom.minidom import parse
>>> DOMTree=parse(r'book.xml')
>>> type(DOMTree)
<class 'xml.dom.minidom.Document'>
>>> booklist=DOMTree.documentElement
>>> booklist
<DOM Element: booklist at 0x19c0606b340>
doc.toxml(encoding=None)
返回xml的文檔內容
>>> booklist=DOMTree.documentElement
>>> print (booklist.toxml())
<booklist type="science and engineering">
 <book category="math">
 <title>learning math</title>
 <author>張三</author>
 <pageNumber>561</pageNumber>
 </book>
 <book category="Python">
 <title>learning Python</title>
 <author>李四</author>
 <pageNumber>600</pageNumber>
 </book>
</booklist>

在這里插入圖片描述

node.lastChild

返回元素的最后一個子節點

node.firstChild

返回元素的首個子節點
代碼示例:

>>> booklist.lastChild
>>> booklist.firstChild

在這里插入圖片描述

getElementsByTagName(name)獲取節點元素

獲取xml文檔中的某個父節點下具有相同節點名的節點對象的集合。返回的是list
代碼示例:

from xml.dom.minidom import parse

#minidom解析器打開xml文檔並將其解析為內存中的一棵樹
DOMTree=parse(r'book.xml')
#獲取xml文檔對象,就是拿到樹的根
booklist=DOMTree.documentElement
#獲取booklist對象中所有book節點的list集合
books=booklist.getElementsByTagName('book')
print(books)
print (type(books))
print(books)
print('有%d個book節點'%len(books))
print('*'*40)
print('第一個book節點%s'%booklist.getElementsByTagName('book')[0])
print('*'*40)
print('第一個book節點節點內容%s'%booklist.getElementsByTagName('book')[0].toxml())
print('*'*40)
print('第一個title節點%s'%booklist.getElementsByTagName('title')[0].toxml())

在這里插入圖片描述

hasAttribute(name)判斷是否包含屬性值

代碼示例:

from xml.dom.minidom import parse
#minidom解析器打開xml文檔並將其解析為內存中的一棵樹
DOMTree=parse(r'book.xml')
#獲取xml文檔對象,就是拿到樹的根
booklist=DOMTree.documentElement
print('DOM樹的根對象:',booklist)
if booklist.hasAttribute('type'):
      #判斷根節點booklist是否有type屬性
      print('booklist 元素存在type屬性')
else:
      print('booklist 元素不存在type屬性!!!')

if booklist.getElementsByTagName('book')[0].hasAttribute('category'):
      #判斷第一個book節點是否有category屬性
      print('第一個book節點存在category屬性')
else:
      print('第一個book節點不存在category屬性!!!')

在這里插入圖片描述

node.getAttribute(name):獲取節點node的屬性值

代碼示例:’’‘Node.getAttribute獲取節點的屬性值’’’

from xml.dom.minidom import parse
#minidom解析器打開xml文檔並將其解析為內存中的一棵樹
DOMTree=parse(r'book.xml')
#獲取xml文檔對象,就是拿到樹的根
booklist=DOMTree.documentElement

if  booklist.hasAttribute('type'):
     #判斷根節點booklist是否有type屬性
      print('booklist 元素存在type屬性')
      print ('根節點booklist的type屬性值為:',booklist.getAttribute('type'))
else:
      print('booklist 元素不存在type屬性!!!')

在這里插入圖片描述

node.childNodes:返回節點node下所有的子節點組成的list

代碼示例:’’‘node.childNodes’’’

from xml.dom.minidom import parse

#minidom解析器打開xml文檔並將其解析為內存中的一棵樹
DOMTree=parse(r'book.xml')
#獲取xml文檔對象,就是拿到樹的根
booklist=DOMTree.documentElement
#獲取booklist對象中所有book節點的list集合
books=booklist.getElementsByTagName('book')

print('第一個book元素的所有子節點:',books[0].childNodes)

在這里插入圖片描述

獲得標簽屬性

每一個結點都有它的nodeName,nodeValue,nodeType屬性
node.nodeName
node.nodeValue #nodeValue是結點的值,只對文本結點有效
node.nodeType

代碼示例:’’‘獲取標簽屬性’’'

from xml.dom.minidom import parse
#minidom解析器打開xml文檔並將其解析為內存中的一棵樹
DOMTree=parse(r'movie.xml')
#獲取xml文檔對象,就是拿到樹的根
collection=DOMTree.documentElement
print ('collection屬性',collection.nodeName,collection.nodeValue,collection.nodeType)
      
#獲取所有的movies節點
movies=collection.getElementsByTagName('movie')

#遍歷集合,打印所有節點的nodename/nodeValue/nodeType
for movie in movies:
      print ("*******************movie*******************")
      for node in movie.childNodes:
            print (node.nodeName,node.nodeValue,node.nodeType)

獲取節點文本值

代碼示例:’’‘獲取節點文本值’’'

from xml.dom.minidom import parse
#minidom解析器打開xml文檔並將其解析為內存中的一棵樹
DOMTree=parse(r'book.xml')
#獲取xml文檔對象,就是拿到樹的根
booklist=DOMTree.documentElement

if booklist.hasAttribute('type'):
      #判斷根節點booklist是否有type屬性,有則獲取並打印屬性值
      print('Root element is ',booklist.getAttribute('type'))

#獲取booklist對象中所有的book節點的list集合
books=booklist.getElementsByTagName('book')
print('book節點的個數為:',len(books))
print('book節點的個數為:',books.length)
print ()

for book in books:
      print ("*******************book*******************")
      if book.hasAttribute('category'):
             print ('category is ',book.getAttribute('category'))
      #根據節點名title/author/pageNumber得到這些節點的集合list
      title=book.getElementsByTagName('title')[0]
      author=book.getElementsByTagName('author')[0]
      pageNumber=book.getElementsByTagName('pageNumber')[0]

      print ('title is ',title.childNodes[0].data)
      print ('author is ',author.childNodes[0].data)
      print ('pageNumber is ',pageNumber.childNodes[0].data)

在這里插入圖片描述

node.hasChildNodes():判斷是否有子節點

代碼示例:’’‘node .hasChildNodes()’’'

from xml.dom.minidom import parse

#minidom解析器打開xml文檔並將其解析為內存中的一棵樹
DOMTree=parse(r'book.xml')
#獲取xml文檔對象,就是拿到樹的根
booklist=DOMTree.documentElement
if booklist.hasAttribute('type'):
      #判斷根節點booklist是否有type屬性,有則獲取並打印屬性值
      print('Root element is ',booklist.getAttribute('type'))

#獲取booklist對象中所有的book節點的list集合
books=booklist.getElementsByTagName('book')
print('book節點的個數為:',books.length)
print ()

if books[0].hasChildNodes():
      print('存在子節點:',books[0].childNodes)
else:
       print('不存在子節點')

在這里插入圖片描述

主要方法總結:

minidom.parse(filename):加載讀取XML文件
doc.documentElement:獲取XML文檔對象
node.getAttribute(AttributeName):獲取XML節點屬性值
node.getElementsByTagName(TagName):獲取XML節點對象集合
node.childNodes :返回子節點列表。
node.childNodes[index].nodeValue:獲取XML節點值
node.firstChild:訪問第一個節點,等價於pagexml.childNodes[0]
返回Node節點的xml表示的文本:
doc = minidom.parse(filename)
doc.toxml(‘UTF-8’)
訪問元素屬性:
Node.attributes[“id”]
a.name #就是上面的 “id”
a.value #屬性的值

root.nodeName/root.tagName:節點的名稱
root.nodeValue:節點的值,文本節點才有值,其它節點返回的是None
root.nodeType:節點的類型
NodeType Named Constant
1	ELEMENT_NODE2	ATTRIBUTE_NODE3	TEXT_NODE4	CDATA_SECTION_NODE5	ENTITY_REFERENCE_NODE6	ENTITY_NODE7	PROCESSING_INSTRUCTION_NODE8	COMMENT_NODE9	DOCUMENT_NODE10	DOCUMENT_TYPE_NODE11	DOCUMENT_FRAGMENT_NODE12	NOTATION_NODE

練習1:讀取xml文件寫入excel

代碼示例:
‘’‘將xml文件寫入到文件中’’’
from xml.dom.minidom import parse
from openpyxl import Workbook

DOMTree=parse(r’book.xml’)
booklist=DOMTree.documentElement

type_name=booklist.getAttribute(‘type’)

#獲取第二個book對象的內容
book=booklist.getElementsByTagName(‘book’)[1]
book_name=book.getAttribute(‘category’)
title=book.getElementsByTagName(‘title’)[0].childNodes[0].data
author=book.getElementsByTagName(‘author’)[0].childNodes[0].data
pageNumber=book.getElementsByTagName(‘pageNumber’)[0].childNodes[0].data

wb=Workbook()
ws=wb.active
ws.append([book_name,title,author,pageNumber])
wb.save(r’book.xlsx’)

練習2:xml.dom解析xml的一個實例

xml文件內容:

<?xml version="1.0" encoding="utf-8" ?>
<!--this is a test about xml.-->
<collection shelf="New Arrivals">
<movie title="Enemy Behind">
  <type>War, Thriller</type>
  <format>DVD</format>
  <year>2003</year>
  <rating>PG</rating>
  <stars>10</stars>
  <description>Talk about a US-Japan war</description>
</movie>
<movie title="Transformers">
  <type>Anime, Science Fiction</type>
  <format>DVD</format>
  <year>1989</year>
  <rating>R</rating>
  <stars>8</stars>
  <description>A schientific fiction</description>
</movie>
<movie title="Trigun">
  <type>Anime, Action</type>
  <format>DVD</format>
  <episodes>4</episodes>
  <rating>PG</rating>
  <stars>10</stars>
  <description>Vash the Stampede!</description>
</movie>
<movie title="Ishtar">
  <type>Comedy</type>
  <format>VHS</format>
  <rating>PG</rating>
  <stars>2</stars>
  <description>Viewable boredom</description>
</movie>
</collection>

代碼示例:’’‘xml.dom解析xml的一個實例’’’

from xml.dom.minidom import parse
#minidom解析器打開xml文檔並將其解析為內存中的一棵樹
DOMTree=parse(r'move.xml')
#獲取xml文檔對象,就是拿到樹的根
collection=DOMTree.documentElement

if collection.hasAttribute('shelf'):
       #判斷根節點collection是否有shelf屬性,有則獲取並打印屬性值
      print('Root element is ',collection.getAttribute('shelf'))
      
#獲取所有的movies節點
movies=collection.getElementsByTagName('movie')

#遍歷集合,打印每部電影的詳細信息
for movie in movies:
      print ("*******************movie*******************")
      my_list=[]
      if movie.hasAttribute('title'):
            print ('title is ',movie.getAttribute('title'))

            
      for node in movie.childNodes:
            my_list.append (node.nodeName)
      type=movie.getElementsByTagName('type')[0]
      print ('type is ',type.childNodes[0].data)
      format=movie.getElementsByTagName('format')[0]
      print ('format is ',format.childNodes[0].data)

      if 'year' in my_list:
            year=movie.getElementsByTagName('year')[0]
            print ('year is ',year.childNodes[0].data)
      
      rating=movie.getElementsByTagName('rating')[0]
      print ('rating is ',rating.firstChild.data)
      
      stars=movie.getElementsByTagName('stars')[0]
      print ('stars is ',stars.childNodes[0].data)
      
      description=movie.getElementsByTagName('description')[0]
      print ('description is ',description.childNodes[0].data)

在這里插入圖片描述

xml.dom創建XML文件

創建步驟:
1.創建XML空白文檔
2.產生根對象
3.向根對象中加入數據
4.將xml內存對象寫入文件

minidom.Document()創建xml空白文檔

該方法用於創建一個空白的xml文檔對象,並返回這個doc對象。每個xml文檔都是一個Document對象,代表着內存中的DOM樹
代碼示例:’’‘minidom.Document()創建xml空白文檔’’'

import xml.dom.minidom
#在內存中創建一個空的文檔
doc=xml.dom.minidom.Document()
print(doc)

在這里插入圖片描述

doc.createElement(tagName)

生成XML文檔節點。參數表示待生成的節點名稱
代碼示例:

import xml.dom.minidom
#在內存中創建一個空的文檔
doc=xml.dom.minidom.Document()
#創建一個根節點對象
root=doc.createElement('Manager')
print('添加的xml標簽為:',root.tagName)

在這里插入圖片描述

node.setAttribute(attname,value)

函數作用:給節點添加屬性-值對(attribute)
參數說明:
attname:屬性的名稱
value:屬性的值
代碼示例:’’‘node.setAttribute(attname,value)’’'

import xml.dom.minidom
#在內存中創建一個空的文檔
doc=xml.dom.minidom.Document()
#創建一個根節點對象
root=doc.createElement('Manager')
print('添加的xml標簽為:',root.tagName)

#給根節點添加屬性
root.setAttribute('name','kongsh')
value=root.getAttribute('name')
print('root元素的name屬性為:',value)

在這里插入圖片描述

doc.createTextNode(data)

給葉子節點添加文本節點
代碼示例:’’‘doc.createTextNode(data)’’'

import xml.dom.minidom
#在內存中創建一個空的文檔
doc=xml.dom.minidom.Document()
#創建一個根節點對象
root=doc.createElement('test')
print('添加的xml標簽為:',root.tagName)

#給根節點添加屬性
root.setAttribute('name','python')
value=root.getAttribute('name')
print('root元素的name屬性為:',value)

#給根節點添加一個葉子節點
ceo=doc.createElement('person')
#給葉子節點ceo設置一個文本節點,用於顯示文本內容
ceo.appendChild(doc.createTextNode('kongsh'))
print (ceo.tagName)
print ("給葉子節點添加文本節點成功")

在這里插入圖片描述

parent.appendChild(childNode)

把子節點childNode添加到父節點parent中
代碼示例:’’‘parent.appendChild(childNode)’’'

import xml.dom.minidom
#在內存中創建一個空的文檔
doc=xml.dom.minidom.Document()
#創建一個根節點companys對象
root=doc.createElement('companys')
print('添加的xml標簽為:',root.tagName)

#給根節點添加屬性
root.setAttribute('name','公司信息')
#將根節點添加到文檔對象中
doc.appendChild(root)

#給根節點添加一個葉子節點
company=doc.createElement('gloryroad')
#葉子節點下再嵌套葉子節點
name=doc.createElement('name')
#給節點添加文本節點                  
name.appendChild(doc.createTextNode('光榮之路'))

ceo=doc.createElement('CEO')
ceo.appendChild(doc.createTextNode('吳老師'))
#將各葉子節點添加到父節點company中
company.appendChild(name)
company.appendChild(ceo)
#將company節點添加到根節點companys中
root.appendChild(company)
print (doc.toxml())

在這里插入圖片描述

doc.writexml():生成xml文檔

函數作用:用於將內存中的xml文檔樹寫入到文件中,並保存到本地磁盤。只有調用該方法后,才能將上面創建的存在於內存中的xml文檔寫入本地硬盤中,這時才能看到新建的xml文檔
語法:
writexml(file,indent=’’,addindent=’’,newl=’’,endocing=None)
參數說明:
file:要保存為的文件對象名
indent:根節點的縮進方式
allindent:子節點的縮進方式
newl:針對新行,指明換行方式
encoding:保存文件的編碼方式

代碼示例:’’‘writexml(file,indent=’’,addindent=’’,newl=’’,endocing=None)’’'

import xml.dom.minidom
#在內存中創建一個空的文檔
doc=xml.dom.minidom.Document()
#創建一個根節點companys對象
root=doc.createElement('companys')
print('添加的xml標簽為:',root.tagName)

#給根節點添加屬性
root.setAttribute('name','公司信息')
#將根節點添加到文檔對象中
doc.appendChild(root)

#給根節點添加一個葉子節點
company=doc.createElement('gloryroad')
#葉子節點下再嵌套葉子節點
name=doc.createElement('name')
#給節點添加文本節點                  
name.appendChild(doc.createTextNode('光榮之路'))

ceo=doc.createElement('CEO')
ceo.appendChild(doc.createTextNode('吳老師'))
#將各葉子節點添加到父節點company中
company.appendChild(name)
company.appendChild(ceo)
#將company節點添加到根節點companys中
root.appendChild(company)

#此處需要用codecs.open可以指定編碼方式
fp=open(r'company.xml','w','utf-8')
#將內存中的xml寫入到文件
doc.writexml(fp,indent='',addindent='\t',newl='\n',encoding='utf-8')
fp.close()


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