python解析xml文件选用模块_python-minidom模块【解析xml】

1，xml的文档结构

1.1，XML文档包括XML头信息和XML信息体

1.1.1，XML文档头信息

它表明了此XML文档所用的版本，编码方式。有些复杂的还有一些文档类型的定义(DOCTYPE)，用于定义此XML文档所用的DTD或Schema和一些实体的定义。

1.1.2，XML文档信息体

tbl_test

This ia a test table

XML信息体是由树状元素组成。每个XML文档都有一个文档元素，也就是树的根元素，所有其它的元素和内容都包含在根元素中。

DOM是Document Object Model的简称，它是以对象树来表示一个XML文档的方法，使用它的好处就是你可以非常灵活的在对象中进行遍历。

2，minidom模块读取XML

按照我的理解，在获得XML文档树的根节点后，实际上分为两种节点【这里测试只用到这两种节点，实际按照nodeType知道还有其他很多】：元素节点(ELEMENT NODE)和文本节点(TEXT NODE)。元素节点如上面的Name标签，整个就是一个元素节点。文本节点如上面的tbl_test，也作为一个节点，即文本节点。

节点都具有这样三种属性;

node.nodeName

nodeName为结点名字

node.nodeValue

nodeValue是结点的值，只对文本结点有效

node.nodeType

nodeType是结点的类型

元素节点(ELEMENT NODE)可以用root.getElementsByTagName("Table")这样来获取以Table标签的一个列表。

文本节点(TEXT NODE)         可以用column.getAttribute('Name')这样来获取Name的这样一个属性值。属性指的是: 这样的结构。可以使用node.data或者node.nodeValue来获取文本值。

2.1，得到dom对象

从xml文件得到dom对象

>>> import xml.dom.minidom

>>> dom = xml.dom.minidom.parse('d:/catalog.xml')

从xml字符串得到dom对象

>>> import xml.dom.minidom

>>> dom = xml.dom.minidom.parseString(xmlstring)

2.2，得到文档元素对象

>>> root = dom.documentElement

3，测试

3.1，实验1

tbl_test

This ia a test table

dom = parseString(string1)

#root = dom.documentElement

table  =  dom.getElementsByTagName( "Table" )[0]

name  =  table.getElementsByTagName( "Name" )[0]

for textNode in name.childNodes:

print textNode.data

print textNode.nodeValue

1，dom获得的是整个xml对象

2，【未运行】root获得的整个文档对象，如果执行了，实际上得到的是根节点唯一的标签

下的东西，如果有多个，估计会忽略，默认把第一个当成根。

3，root.getElementsByTagName( "Table" )将获得所有

标签对，这是一个类似于列表的东西，可以用列表方法获取。因为这里就一个标签，所以直接[0]返回这个单独的对象。

4，table获得的是真正的单个的其中的

对象。

5，table.getElementsByTagName( "Name" )同样获得的是一个[,...,]这样的列表。

6，name获得的是单个的现在仅有的对象。

7，由于name下面是文本节点tbl_test。虽然只有一个，但可以有多个。此时，前述的都是元素节点，Name标签下都是文本节点了，可以用name.childNodes获得文本节点列表，注意，还是列表。

8，textNode是其中的唯一的一个tbl_test。

9，因为是文本节点，所有有data属性。当然其，node.nodeValue也可以读到。

3.2，实验2

dom = parseString(string2)

#root = dom.documentElement

partitions = dom.getElementsByTagName("Partitions")[0]

partition = partitions.getElementsByTagName("Partition")[0]

column = partition.getElementsByTagName("Column")[0]

print column.getAttribute('Name')

1，dom获得的是整个xml对象

2，【未运行】root获得的整个文档对象，如果执行了，实际上得到的是根节点唯一的标签

下的东西，如果有多个，估计会忽略，默认把第一个当成根。

3，root.getElementsByTagName( "Partitions" )将获得所有标签对，这是一个类似于列表的东西，可以用列表方法获取。因为这里就一个标签，所以直接[0]返回这个单独的对象。

4，partitions获得的是真正的单个的其中的对象。

5，partitions.getElementsByTagName( "Partition" )同样获得的是一个[,...,]这样的列表。

6，partition获得的是单个的现在仅有的对象。

7，column以同样方式获取到单个的对象

8，由于Name是Column的一个属性，所以用column.getAttribute('Name')来获取这个属性值

3.3，实验3

string1='''<?xml  version="1.0" encoding="UTF-8"?>

tbl_test

gexing

This ia a test table

dandan

'''

dom = parseString(string1)

root = dom.documentElement

names = root.getElementsByTagName("Name")

for name in names:

for child in name.childNodes:

print child.nodeValue

输出：

[admin@r42h06016.xy2.aliyun.com]$python test.py

tbl_test

gexing

dandan

注意点1，空行是因为实际上要的xml是无空格的内容。

注意点2，说明用getElementsByTagName得到的list是遍历所有“节点”，然后不管哪个层次，遇到一个符合的就会加进来。如果没有文本信息，就输出None。

3.4，简单函数

对于简单的元素，如：

Python，我们可以编写这样一个函数来得到它的内容(这里为Python)。

def getTagText(root, tag):

node = root.getElementsByTagName(tag)[0]

rc = ""

for node in node.childNodes:

if node.nodeType in ( node.TEXT_NODE, node.CDATA_SECTION_NODE):

rc = rc + node.data

return rc

4，xml.etree.ElementTree模块读xml

import xml.etree.ElementTree

content = xml.etree.ElementTree.fromstring(string1)

name = content.findall('Name')#找到所有的Name的列表

name = content.findtext('Name')#找到下一层的Name节点