xml python gb2312_使用Python处理XML格式数据的方法介绍

本文实例讲述了Python处理XML格式数据的方法。分享给大家供大家参考，具体如下：

这里的操作是基于Python3平台。

在使用Python处理XML的问题上，首先遇到的是编码问题。

Python并不支持gb2312，所以面对encoding="gb2312"的XML文件会出现错误。Python读取的文件本身的编码也可能导致抛出异常，这种情况下打开文件的时候就需要指定编码。此外就是XML中节点所包含的中文。

我这里呢，处理就比较简单了，只需要修改XML的encoding头部。#!/usr/bin/env python

import os, sys

import re

def replaceXmlEncoding(filepath, oldEncoding='gb2312', newEncoding='utf-8'):

f = open(filepath, mode='r')

content = f.read()

content = re.sub(oldEncoding, newEncoding, content)

f.close()

f = open(filepath, mode='w')

f.write(content)

f.close()

if name == "main":

replaceXmlEncoding('./ActivateAccount.xml')

接着是使用xml.etree.ElementTree来操作XML文件。

在一个类里面定义call函数可以使得该类可调用，比如下面代码的最后几行，在main函数中。这也很突出地体现了在Python的世界里，一切都是对象，包括对象本身 ：)

一直觉得main函数用来测试真是蛮好用的。#!/usr/bin/env python

import os, re

import xml.etree.ElementTree as etree

Locale_Path = "./locale.txt"

class xmlExtractor(object):

def init(self):

pass

def call(self, filepath):

retDict = {}

f = open(filepath, 'r')

Line = len(open(filepath, 'r').readlines())

retDict['Line'] = Line

tree = etree.parse(f)

root = tree.find("ResItem")

Id = root.get("ID")

retDict['Title'] = Id

resItemCnt = len(list(root.findall("ResItem"))) + 1

retDict['ResItemCount'] = resItemCnt

retDict['ChineseTip'] = 'None'

for child in root:

attrDict = child.attrib

keyword = "Name"

if(keyword in attrDict.keys() and attrDict['Name'] == "Caption"):

if len(child.attrib['Value']) > 1:

if child.attrib['Value'][0] == '~':

title = child.attrib['Value'][1:]

else:

title = child.attrib['Value'][0:]

#print(title)

chs = open(Locale_Path).read()

pattern = '[^>]+>'

m = re.search(pattern, chs)

if m != None:

realTitle = re.sub(']+>', '', m.group(0))

retDict['ChineseTip'] = realTitle

f.close()

return retDict

if name == "main":

fo = xmlExtractor()

d = fo('./ActivateAccount.xml')

print(d)

最后，就是入口文件，导入上面两个文件，使用xml.dom和os.listdir来递归处理XML文件，并生成一个结果集。

一直觉得Python的UnboundLocalError错误挺有意思的，不知道是不是符号表的覆盖问题。#!/usr/bin/env python

from xmlExtractor import *

from replaceXmlEncoding import *

from xml.dom import minidom,Node

doc = minidom.Document()

extractor = xmlExtractor()

totalLines = 0

totalResItemCnt = 0

totalXmlFileCnt = 0

totalErrorCnt = 0

errorFileList = []

xmlRoot = doc.createElement("XmlResourceFile")

doc.appendChild(xmlRoot)

def myWalkDir(level, path):

global doc, extractor, totalLines, totalResItemCnt, totalXmlFileCnt

global totalErrorCnt, errorFileList

global xmlRoot

for i in os.listdir(path):

if i[-3:] == 'xml':

totalXmlFileCnt += 1

try:

#先把xml的encoding由gb2312转换为utf-8

replaceXmlEncoding(path + '\\' + i)

#再提取xml文档中需要的信息

info = extractor(path + '\\' + i)

#在上述两行代码没有出现异常的基础上再创建节点

#print(info)

#print(type(i))

xmlNode = doc.createElement("XmlFile")

xmlRoot.appendChild(xmlNode)

xmlName = doc.createElement("Filename")

xmlName.setAttribute('Value', i)

#xmlName.appendChild(doc.createTextNode(i))

xmlNode.appendChild(xmlName)

filePath = doc.createElement("Filepath")

filePath.setAttribute('Value', path[34:])

#filePath.appendChild(doc.createTextNode(path[1:]))

xmlNode.appendChild(filePath)

titleNode = doc.createElement("Title")

titleNode.setAttribute('Value', str(info['Title']))

#titleNode.appendChild(doc.createTextNode(str(info['Title'])))

xmlNode.appendChild(titleNode)

chsNode = doc.createElement("ChineseTip")

chsNode.setAttribute('Value', str(info['ChineseTip']))

#chsNode.appendChild(doc.createTextNode(str(info['Chinese'])))

xmlNode.appendChild(chsNode)

resItemNode = doc.createElement("ResItemCount")

resItemNode.setAttribute('Value', str(info['ResItemCount']))

#resItemNode.appendChild(doc.createTextNode(str(info['ResItemCount'])))

xmlNode.appendChild(resItemNode)

lineNode = doc.createElement("LineCount")

lineNode.setAttribute('Value', str(info['Line']))

#lineNode.appendChild(doc.createTextNode(str(info['Line'])))

xmlNode.appendChild(lineNode)

descNode = doc.createElement("Description")

descNode.setAttribute('Value', '')

#descNode.appendChild(doc.createTextNode(''))

xmlNode.appendChild(descNode)

except Exception as errorDetail:

totalErrorCnt += 1

errorFileList.append(path + '\\' + i)

print(path + '\\' + i, errorDetail)

if os.path.isdir(path + '\\' + i):

myWalkDir(level+1, path + '\\' + i)

if name == "main":

path = os.getcwd() + '\\themes'

myWalkDir(0, path)

print(totalXmlFileCnt, totalErrorCnt)

#print(doc.toprettyxml(indent = " "))

resultXml = open("./xmlResourceList.xml", "w")

resultXml.write(doc.toprettyxml(indent = " "))

resultXml.close()