网络爬虫 --DOM处理XML

xml有一下3个基本点：1,标签开始和结束，2，属性和其值，3，文本内容

例题1.通过xml找到根的名字
一个名为book.xml的文件

<?xml version="1.0"?>
<bookstore>
    <book>
        <title>Learn Python</title>
        <price>100</price>
    </book>
    <book>
        <title>Learn XML</title>
        <price>80</price>
    </book>
</bookstore>

通过下面的程序找出根名字

from xml.dom import minidom   #导入xml

doc = minidom.parse(r'/media/sf_Share/LSPE/r_0.11/book.xml')  #路径
root = doc.documentElement   #找根节点元素（这是分析XML的第一步骤）
print(type(root))  #根类型
print(root.nodeName)   #根名字


》》》<class 'xml.dom.minidom.Element'>
》》》bookstore

#通过标签找title
books = root.getElementsByTagName('book') 通过标签寻找，标签名为book，有两个，是一个list
for book in books:
    titles = book.getElementsByTagName('title')#找标签为title
    prices = book.getElementsByTagName('price')
    title = titles[0].childNodes[0].nodeValue #输出标签对应的子节点的值
    price = prices[0].childNodes[0].nodeValue
    print(title,price)

>>> Learn Python 100
>>> Learn XML 80

上面getElementsByTagName是根下的一个函数，要知道根有多少其他函数，可以通过print(dir(root))查看