问题
你想从一个简单的XML文档中提取数据。
解决方案
可以使用 xml.etree.ElementTree 模块从简单的XML文档中提取数据。为了演示,假设你想解析Planet Python上的RSS源。下面是相应的代码:
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
from urllib.requestimport urlopen
from xml.etree.ElementTreeimport parse
# Download the RSS feed and parse it
u= urlopen('http://planet.python.org/rss20.xml')
doc= parse(u)
# Extract and output tags of interest
for itemin doc.iterfind('channel/item'):
title= item.findtext('title')
date= item.findtext('pubDate')
link= item.findtext('link')
print(title)
print(date)
print(link)
print()
运行上面的代码,输出结果类似这样:
Steve Holden: Python for Data Analysis
Mon, 19 Nov 2012 02:13:51 +0000
http://holdenweb.blogspot.com/2012/11/python-for-data-analysis.html
Vasudev Ram: The Python Data model (for v2 and v3)
Sun, 18 Nov 2012 22:06:47 +0000
http://jugad2.blogspot.com/2012/11/the-python-data-model.html
Python Diary: Been playing around with Object Databases
Sun, 18 Nov 2012 20:40:29 +0000
http://www.pythondiary.com/blog/Nov.18,2012/been-...-object-databases.html
Vasudev Ram: Wakari, Scientific Python in the cloud
Sun, 18 Nov 2012 20:19:41 +0000
http://jugad2.blogspot.com/2012/11/wakari-scientific-python-in-cloud.html
Jesse Jiryu Davis: Toro: synchronization primitives for Tornado coroutines
Sun, 18 Nov 2012 20:17:49 +0000
http://feedproxy.google.com/~r/EmptysquarePython/~3/_DOZT2Kd0hQ/
很显然,如果你想做进一步的处理,你需要替换 print() 语句来完成其他有趣的事。
讨论
在很多应用程序中处理XML编码格式的数据是很常见的。不仅是因为XML在Internet上面已经被广泛应用于数据交换,同时它也是一种存储应用程序数据的常用格式(比如字处理,音乐库等)。接下来的讨论会先假定读者已经对XML基础比较熟悉了。
在很多情况下,当使用XML来仅仅存储数据的时候,对应的文档结构非常紧凑并且直观。例如,上面例子中的RSS订阅源类似于下面的格式:
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
<?xml version="1.0"?>
Planet Pythonhttp://planet.python.org/
en
Planet Python - http://planet.python.org/
Steve Holden: Python for Data Analysishttp://holdenweb.blogspot.com/...-data-analysis.html
http://holdenweb.blogspot.com/...-data-analysis.html
...
Mon, 19 Nov 2012 02:13:51 +0000
Vasudev Ram: The Python Data model (for v2 and v3)http://jugad2.blogspot.com/...-data-model.html
http://jugad2.blogspot.com/...-data-model.html
...
Sun, 18 Nov 2012 22:06:47 +0000
Python Diary: Been playing around with Object Databaseshttp://www.pythondiary.com/...-object-databases.html
http://www.pythondiary.com/...-object-databases.html
...
Sun, 18 Nov 2012 20:40:29 +0000
...
xml.etree.ElementTree.parse()函数解析整个XML文档并将其转换成一个文档对象。 然后,你就能使用 find() 、iterfind() 和 findtext() 等方法来搜索特定的XML元素了。 这些函数的参数就是某个指定的标签名,例如channel/item或 title 。 每次指定某个标签时,你需要遍历整个文档结构。每次搜索操作会从一个起始元素开始进行。 同样,每次操作所指定的标签名也是起始元素的相对路径。 例如,执行doc.iterfind('channel/item')来搜索所有在 channel 元素下面的 item 元素。 doc 代表文档的最顶层(也就是第一级的 rss 元素)。 然后接下来的调用 item.findtext()会从已找到的 item 元素位置开始搜索。 ElementTree 模块中的每个元素有一些重要的属性和方法,在解析的时候非常有用。 tag 属性包含了标签的名字,text 属性包含了内部的文本,而 get()方法能获取属性值。例如:
?
1
2
3
4
5
6
7
8
9
10
11
>>> doc
>>> e= doc.find('channel/title')
>>> e
>>> e.tag
'title'
>>> e.text
'Planet Python'
>>> e.get('some_attribute')
>>>
有一点要强调的是 xml.etree.ElementTree并不是XML解析的唯一方法。对于更高级的应用程序,你需要考虑使用lxml。它使用了和ElementTree同样的编程接口,因此上面的例子同样也适用于lxml。你只需要将刚开始的import语句换成 from lxml.etree import parse就行了。lxml完全遵循XML标准,并且速度也非常快,同时还支持验证,XSLT和XPath等特性。
以上就是Python 解析简单的XML数据的详细内容,更多关于Python 解析XML的资料请关注服务器之家其它相关文章!
原文链接:https://www.kancloud.cn/kancloud/python3-cookbook/47231