一、python对XML的解析主要有三种方式,分别如下:
1.SAX (simple API for XML )
Python 标准库包含 SAX 解析器,SAX 用事件驱动模型,通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。
2.DOM(Document Object Model)
将 XML 数据在内存中解析成一个树,通过对树的操作来操作XML。
3.ElementTree(元素树)
ElementTree就像一个轻量级的DOM,具有方便友好的API。代码可用性好,速度快,消耗内存少。
注:因DOM需要将XML数据映射到内存中的树,一是比较慢,二是比较耗内存,而SAX流式读取XML文件,比较快,占用内存少,但需要用户实现回调函数(handler)
4.本人经验:
1)将xml解析成一颗树
import xml.dom.minidom
dom = xml.dom.minidom.parse('xxx.xml')
2)得到树的各个节点
root = dom.documentElement
3)得到节点字段的信息
ab=root.getElementsByTagName('title')
4)得到字段响应的值
ab.firstChild
参考文献:https://www.runoob.com/python/python-xml.html
二、其他细节:
1.同时遍历二个对象zip()函数
想对二个对象同时遍历,比如list,可以通过zip对其进行连接(这里主要是想得到树中的二个字段的值,一个是key,一个是value,所以想让二者对应起来)
e.g:
for (ti,ab) in zip(all_title,all_abstract):
2. 判断某个对象是否有某个属性:
hasattr(对象,属性)属性是字符串
3.IOpub data rate exeed
问题:
我将得到的数据写入txt或者pkl的时候,由于数据量比较大(我使用的jupyter notebook),导致一直报错:
原因应该是jupyter限制了他的io速度,如果超过这个速度或者流量就会做限制(我这样理解,可能会有误差)
然后去查找这个问题的解决办法:
1). 使用terminal找到jupyter_notebook_config.py文件
需要找到jupyter_notebook_config.py文件(我是直接切换到根目录,然后在从目录找.jupyter文件,然后就有目标文件)
2).这里需要使用vim进行编辑jupyter_notebook_config.py
命令:vim jupyter_notebook_config.py
3).然后就进行了编辑模式之类的,找到NotebookApp.iopub_data_rate_limit=1000000.0
使用vim查找,
在vim的命令模式:/需要查找的字符
这样光标会跳到目标位置,然后改变这个阈值,将1000000调大一些,这样就会好了
参考文献:
http://www.runoob.com/linux/linux-vim.html(vim使用方法)
https://www.runoob.com/python/python-xml.html(python解析xml)