Python对xml的操作

一、什么是xml？

xml即可扩展标记语言，它可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。

abc.xml

复制代码 代码如下:

<?xml version="1.0" encoding="utf-8"?>
<catalog>
    <maxid>4</maxid>
    <login username="pytest" passwd='123456'>
        <caption>Python</caption>
        <item id="4">
            <caption>测试</caption>
        </item>
    </login>
    <item id="2">
        <caption>Zope</caption>
    </item>
</catalog>

Ok ,从结构上，它很像我们常见的HTML超文本标记语言。但他们被设计的目的是不同的，超文本标记语言被设计用来显示数据，其焦点是数据的外观。它被设计用来传输和存储数据，其焦点是数据的内容。

那么它有如下特征：

首先，它是有标签对组成，<aa></aa>

标签可以有属性：<aa id='123'></aa>

标签对可以嵌入数据：<aa>abc</aa>

标签可以嵌入子标签（具有层级关系）：

二、获得标签属性

那么，下面来介绍如何用python来读取这种类型的文件。

复制代码 代码如下:

#coding=utf-8
import  xml.dom.minidom

#打开xml文档
dom = xml.dom.minidom.parse('abc.xml')

#得到文档元素对象
root = dom.documentElement
print root.nodeName
print root.nodeValue
print root.nodeType
print root.ELEMENT_NODE

mxl.dom.minidom 模块被用来处理xml文件，所以要先引入。

xml.dom.minidom.parse() 用于打开一个xml文件，并将这个文件对象dom变量。

documentElement 用于得到dom对象的文档元素，并把获得的对象给root

每一个结点都有它的nodeName，nodeValue，nodeType属性。

nodeName为结点名字。

nodeValue是结点的值，只对文本结点有效。

nodeType是结点的类型。catalog是ELEMENT_NODE类型

现在有以下几种：

'ATTRIBUTE_NODE'
'CDATA_SECTION_NODE'
'COMMENT_NODE'
'DOCUMENT_FRAGMENT_NODE'
'DOCUMENT_NODE'
'DOCUMENT_TYPE_NODE'
'ELEMENT_NODE'
'ENTITY_NODE'
'ENTITY_REFERENCE_NODE'
'NOTATION_NODE'
'PROCESSING_INSTRUCTION_NODE'
'TEXT_NODE'

三、获得子标签

现在要获得catalog的子标签以的标签name

复制代码 代码如下:

<?xml version="1.0" encoding="utf-8"?>
<catalog>
       <maxid>4</maxid>
       <login username="pytest" passwd='123456'>
            　　<caption>Python</caption>
             <item id="4">
                    <caption>测试</caption>
            </item>
    </login>
    <item id="2">
            <caption>Zope</caption>
    </item>
</catalog>

对于知道元素名字的子元素，可以使用getElementsByTagName方法获取：

复制代码 代码如下:

#coding=utf-8
import  xml.dom.minidom

#打开xml文档
dom = xml.dom.minidom.parse('abc.xml')

#得到文档元素对象
root = dom.documentElement

bb = root.getElementsByTagName('maxid')
b= bb[0]
print b.nodeName

bb = root.getElementsByTagName('login')
b= bb[0]
print b.nodeName

如何区分相同标签名字的标签：

复制代码 代码如下:

<?xml version="1.0" encoding="utf-8"?>
<catalog>
       <maxid>4</maxid>
       <login username="pytest" passwd='123456'>
            　　<caption>Python</caption>
             <item id="4">
                    <caption>测试</caption>
            </item>
    </login>
    <item id="2">
            <caption>Zope</caption>
    </item>
</catalog>

<caption>和<item>标签不止一个如何区分？

复制代码 代码如下:

#coding=utf-8
import  xml.dom.minidom

#打开xml文档
dom = xml.dom.minidom.parse('abc.xml')

#得到文档元素对象
root = dom.documentElement

bb = root.getElementsByTagName('caption')
b= bb[2]
print b.nodeName

bb = root.getElementsByTagName('item')
b= bb[1]
print b.nodeName

root.getElementsByTagName('caption') 获得的是标签为caption 一组标签，b[0]表示一组标签中的第一个；b[2] ，表示这一组标签中的第三个。

四、获得标签属性值

复制代码 代码如下:

<?xml version="1.0" encoding="utf-8"?>
<catalog>
       <maxid>4</maxid>
       <login username="pytest" passwd='123456'>
            　　<caption>Python</caption>
             <item id="4">
                    <caption>测试</caption>
            </item>
    </login>
    <item id="2">
            <caption>Zope</caption>
    </item>
</catalog>

<login>和<item>标签是有属性的，如何获得他们的属性？

复制代码 代码如下:

#coding=utf-8
import  xml.dom.minidom

#打开xml文档
dom = xml.dom.minidom.parse('abc.xml')

#得到文档元素对象
root = dom.documentElement

itemlist = root.getElementsByTagName('login')
item = itemlist[0]
un=item.getAttribute("username")
print un
pd=item.getAttribute("passwd")
print pd

ii = root.getElementsByTagName('item')
i1 = ii[0]
i=i1.getAttribute("id")
print i

i2 = ii[1]
i=i2.getAttribute("id")
print i

getAttribute方法可以获得元素的属性所对应的值。

五、获得标签对之间的数据

复制代码 代码如下:

<?xml version="1.0" encoding="utf-8"?>
<catalog>
       <maxid>4</maxid>
       <login username="pytest" passwd='123456'>
            　　<caption>Python</caption>
             <item id="4">
                    <caption>测试</caption>
            </item>
    </login>
    <item id="2">
            <caption>Zope</caption>
    </item>
</catalog>

<caption>标签对之间是有数据的，如何获得这些数据？

获得标签对之间的数据有多种方法，

方法一：

复制代码 代码如下:

#coding=utf-8
import  xml.dom.minidom

#打开xml文档
dom = xml.dom.minidom.parse('abc.xml')

#得到文档元素对象
root = dom.documentElement

cc=dom.getElementsByTagName('caption')
c1=cc[0]
print c1.firstChild.data

c2=cc[1]
print c2.firstChild.data

c3=cc[2]
print c3.firstChild.data

firstChild 属性返回被选节点的第一个子节点，.data表示获取该节点人数据。

方法二：

复制代码 代码如下:

#coding=utf-8
from xml.etree import ElementTree as ET
per=ET.parse('abc.xml')
p=per.findall('./login/item')

for oneper in p:
    for child in oneper.getchildren():
        print child.tag,':',child.text

p=per.findall('./item')

for oneper in p:
    for child in oneper.getchildren():
        print child.tag,':',child.text

方法二有点复杂，所引用模块也与前面的不一样，findall用于指定在哪一级标签下开始遍历。

getchildren方法按照文档顺序返回所有子标签。并输出标签名（child.tag）和标签的数据（child.text）

其实，方法二的作用不在于此，它核心功能是可以遍历某一级标签下的所有子标签。

使用python自带的xml.dom创建和解析xml

    python中的xml.dom模块使用的就是传统的dom解析api和方法。所以也就不写什么了，主要就是练习敲敲代码，继续熟悉python。本文通过xml.dom.minidom创建一个xml文档，然后再解析出来，用以熟悉相关接口方法的使用。

创建一个xml文档：

''' Created on 2012-1-10 Create a xml document @author: xiaojay '''   from xml.dom import minidom   doc = minidom.Document() doc.appendChild(doc.createComment( "This is a simple xml." )) booklist = doc.createElement( "booklist" ) doc.appendChild(booklist)   def addBook(newbook):      book = doc.createElement( "book" )      book.setAttribute( "id" , newbook[ "id" ])            title = doc.createElement( "title" )      title.appendChild(doc.createTextNode(newbook[ "title" ]))      book.appendChild(title)            author = doc.createElement( "author" )      name = doc.createElement( "name" )      firstname = doc.createElement( "firstname" )      firstname.appendChild(doc.createTextNode(newbook[ "firstname" ]))      lastname = doc.createElement( "lastname" )      lastname.appendChild(doc.createTextNode(newbook[ "lastname" ]))      name.appendChild(firstname)      name.appendChild(lastname)      author.appendChild(name)      book.appendChild(author)            pubdate = doc.createElement( "pubdate" )      pubdate.appendChild(doc.createTextNode(newbook[ "pubdate" ]))      book.appendChild(pubdate)            booklist.appendChild(book)   addBook({ "id" : "1001" , "title" : "An apple" , "firstname" : "Peter" , "lastname" : "Zhang" , "pubdate" : "2012-1-12" }) addBook({ "id" : "1002" , "title" : "Love" , "firstname" : "Mike" , "lastname" : "Li" , "pubdate" : "2012-1-10" }) addBook({ "id" : "1003" , "title" : "Steve.Jobs" , "firstname" : "Tom" , "lastname" : "Wang" , "pubdate" : "2012-1-19" }) addBook({ "id" : "1004" , "title" : "Harry Potter" , "firstname" : "Peter" , "lastname" : "Chen" , "pubdate" : "2012-11-11" })   f = file ( "book.xml" , "w" ) doc.writexml(f) f.close()

　　通过doc.toprettyxml(indent, newl, encoding)方法可以优雅显示xml文档，但是要避免直接写入文本，否则会给解析带来麻烦，尽量使用自带的writexml方法。

生成的文档内容：

<?xml version="1.0" ?>
<!--This is a simple xml.-->
<booklist>
　　<book id="1001">
　　　　<title>
　　　　An apple
　　　　</title>
　　<author>
　　　　<name>
　　　　　　<firstname>
　　　　　　Peter
　　　　　　</firstname>
　　　　　　<lastname>
　　　　　　Zhang
　　　　　　</lastname>
　　　　</name>
　　</author>
　　<pubdate>
　　2012-1-12
　　</pubdate>
　　</book>

 .................
</booklist>

 

解析该xml文档：

''' Created on 2012-1-10 Scan a xml doc @author: xiaojay '''   from xml.dom import minidom , Node   class bookscanner:      def __init__( self ,doc):          for child in doc.childNodes :              if child.nodeType = = Node.ELEMENT_NODE \              and child.tagName = = "book" :                  bookid = child.getAttribute( "id" )                  print "*" * 20                  print "Book id : " , bookid                  self .handle_book(child)                        def handle_book( self ,node):          for child in node.childNodes :              if child.nodeType = = Node.ELEMENT_NODE :                  if child.tagName = = "title" :                      print "Title : " , self .getText(child.firstChild)                  if child.tagName = = "author" :                      self .handle_author(child)                  if child.tagName = = "pubdate" :                      print "Pubdate : " , self .getText(child.firstChild)                    def getText( self ,node):          if node.nodeType = = Node.TEXT_NODE :              return node.nodeValue          else : return ""                def handle_author( self ,node):          author = node.firstChild          for child in author.childNodes:              if child.nodeType = = Node.ELEMENT_NODE:                  if child.tagName = = "firstname" :                      print "Firstname : " , self .getText(child.firstChild)                  if child.tagName = = "lastname" :                      print "Lastname : " , self .getText(child.firstChild)             doc = minidom.parse( "book.xml" ) for child in doc.childNodes :      if child.nodeType = = Node.COMMENT_NODE:          print "Conment : " , child.nodeValue      if child.nodeType = = Node.ELEMENT_NODE:          bookscanner(child)

　　

输出结果：

Conment : This is a simple xml.
********************
Book id : 1001
Title : An apple
Firstname : Peter
Lastname : Zhang
Pubdate : 2012-1-12
********************
Book id : 1002
Title : Love
Firstname : Mike
Lastname : Li
Pubdate : 2012-1-10
********************
Book id : 1003
Title : Steve.Jobs
Firstname : Tom
Lastname : Wang
Pubdate : 2012-1-19
********************
Book id : 1004
Title : Harry Potter
Firstname : Peter
Lastname : Chen
Pubdate : 2012-11-11