Python读写XML文件

什么是XML


XML是可扩展标记语言(Extensible Markup Language)的缩写,其中标记是关键部分。用户可以创建内容,然后使用限定标记标记它,从而使每个单词、短语或块成为可识别、可分类的信息。
标记语言从早起的私有公司和政府制定形式逐渐演变成标准通用标记语言(Standard Generalized Markup Language,SGML)、超文本标记语言(Hypertext Markup Language,HTML),并且最终演变成XML。XML有以下几个特点:

  • XML的设计宗旨是传输数据,而非显示数据
  • XML的标签没有被预定义,用户需要自行定义标签
  • XML被设计为具有自我描述性
  • XML是W3C的推荐标准

Python对XML文件的解析


常见的XML编程接口有DOM和SAX,这两种接口处理XML文件的方式不同,使用场合也不同。DOM是由W3C官方提出的标准,它会把整个XML文件读入内存,并将该文件解析成树,我们可以通过访问树的节点的方式访问XML中的标签,但是这种方法占用内存大,解析慢,如果读入文件过大,尽量避免使用这种方法。SAX是事件驱动的,通过在解析XML的过程中触发一个个的事件并调用用户自定义的回调函数来处理XML文件,速度比较快,占用内存少,但是需要用户实现回调函数,因此Python标准库的官方文档中这样介绍SAX:SAX每次只允许你查看文档的一小部分,你无法通过当前获取的元素访问其他元素。Python中提供了很多包支持XML文件的解析,如xml.dom,xml.sax,xml.dom.minidom和xml.etree.ElementTree等,本文重点介绍xml.dom.minidom

xml.dom.minidom包

xml.dom.minidom是DOM API的极简化实现,比完整版的DOM要简单的多,而且这个包也小得多,下面以movie.xml文件为例进行操作。

<collection shelf="New Arrivals">
<movie title="Enemy Behind">
   <type>War, Thriller</type>
   <format>DVD</format>
   <year>2003</year>
   <rating>PG</rating>
   <stars>10</stars>
   <description>Talk about a US-Japan war</description>
</movie>
<movie title="Transformers">
   <type>Anime, Science Fiction</type>
   <format>DVD</format>
   <year>1989</year>
   <rating>R</rating>
   <stars>8</stars>
   <description>A schientific fiction</description>
</movie>
   <movie title="Trigun">
   <type>Anime, Action</type>
   <format>DVD</format>
   <episodes>4</episodes>
   <rating>PG</rating>
   <stars>10</stars>
   <description>Vash the Stampede!</description>
</movie>
<movie title="Ishtar">
   <type>Comedy</type>
   <format>VHS</format>
   <rating>PG</rating>
   <stars>2</stars>
   <description>Viewable boredom</description>
</movie>
</collection>

然后我们调用xml.dom.minidom.parse方法读入xml文件并解析成DOM树

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
from xml.dom.minidom import parse
import xml.dom.minidom
 
# 使用minidom解析器打开 XML 文档
DOMTree = xml.dom.minidom.parse("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
   print "Root element : %s" % collection.getAttribute("shelf")
 
# 在集合中获取所有电影
movies = collection.getElementsByTagName("movie")
 
# 打印每部电影的详细信息
for movie in movies:
   print "*****Movie*****"
   if movie.hasAttribute("title"):
      print "Title: %s" % movie.getAttribute("title")
 
   type = movie.getElementsByTagName('type')[0]
   print "Type: %s" % type.childNodes[0].data
   format = movie.getElementsByTagName('format')[0]
   print "Format: %s" % format.childNodes[0].data
   rating = movie.getElementsByTagName('rating')[0]
   print "Rating: %s" % rating.childNodes[0].data
   description = movie.getElementsByTagName('description')[0]
   print "Description: %s" % description.childNodes[0].data

以上程序执行结果如下:

Root element : New Arrivals
*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Rating: PG
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Rating: R
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Description: Viewable boredom

实战—批量修改XML文件


最近在用caffe-ssd训练比赛的数据集,但是官方给的数据集用来标记的XML文件并不是标准格式,一些标签的命名不对,导致无法正确生成lmdb文件,因此需要修改这些标签,下面用Python实现了一个批量修改XML文件的脚本。

# -*- coding:utf-8 -*-

import os

import xml.dom.minidom

xml_file_path = "/home/lyz/data/VOCdevkit/MyDataSet/Annotations/"
lst_label = ["height", "width", "depth"]
lst_dir = os.listdir(xml_file_path)


for file_name in lst_dir:
    file_path = xml_file_path + file_name
    tree = xml.dom.minidom.parse(file_path)
    root = tree.documentElement		#获取根结点
    size_node = root.getElementsByTagName("size")[0]
    for size_label in lst_label:	#替换size标签下的子节点
        child_tag = "img_" + size_label
        child_node = size_node.getElementsByTagName(child_tag)[0]
        new_node = tree.createElement(size_label)
        text = tree.createTextNode(child_node.firstChild.data)
        new_node.appendChild(text)
        size_node.replaceChild(new_node, child_node)

    #替换object下的boundingbox节点
    lst_obj = root.getElementsByTagName("object")
    data = {}
    for obj_node in lst_obj:
        box_node = obj_node.getElementsByTagName("bounding_box")[0]
        new_box_node = tree.createElement("bndbox")
        for child_node in box_node.childNodes:
            tmp_node = child_node.cloneNode("deep")
            new_box_node.appendChild(tmp_node)
        x_node = new_box_node.getElementsByTagName("x_left_top")[0]
        xmin = x_node.firstChild.data
        data["xmin"] = (xmin, x_node)
        y_node = new_box_node.getElementsByTagName("y_left_top")[0]
        ymin = y_node.firstChild.data
        data["ymin"] = (ymin, y_node)
        w_node = new_box_node.getElementsByTagName("width")[0]
        xmax = str(int(xmin) + int(w_node.firstChild.data))
        data["xmax"] = (xmax, w_node)
        h_node = new_box_node.getElementsByTagName("height")[0]
        ymax = str(int(ymin) + int(h_node.firstChild.data))
        data["ymax"] = (ymax, h_node)


        for k, v in data.items():
            new_node = tree.createElement(k)
            text = tree.createTextNode(v[0])
            new_node.appendChild(text)
            new_box_node.replaceChild(new_node, v[1])
        obj_node.replaceChild(new_box_node, box_node)

    with open(file_path, 'w') as f:
        tree.writexml(f, indent="\n", addindent="\t", encoding='utf-8')

    #去掉XML文件头(一些情况下文件头的存在可能导致错误)
    lines = []
    with open(file_path, 'rb') as f:
        lines = f.readlines()[1:]
    with open(file_path, 'wb') as f:
        f.writelines(lines)

print("-----------------done--------------------")

关于writexml方法:indent参数表示在当前节点之前插入的字符,addindent表示在该结点的子节点前插入的字符

  • 13
    点赞
  • 55
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Python读写XML文件的常用模块有xml.etree.ElementTree和xml.dom.minidom。 1. 使用xml.etree.ElementTree模块读取XML文件: 首先需要导入xml.etree.ElementTree模块,然后使用ElementTree.parse()方法解析XML文件,返回一个ElementTree对象。接着可以使用该对象的getroot()方法获取XML文件的根元素。可以通过遍历根元素及其子元素的方式来获取XML文件中的数据。 示例代码如下: ```python import xml.etree.ElementTree as ET # 读取XML文件 tree = ET.parse('example.xml') # 获取根元素 root = tree.getroot() # 遍历根元素及其子元素 for child in root: print(child.tag, child.attrib) ``` 2. 使用xml.etree.ElementTree模块写入XML文件: 要写入XML文件,可以创建ElementTree对象,然后使用ElementTree.Element()方法创建根元素。通过调用根元素的Element()方法来创建子元素,以及调用子元素的text属性来设置元素的文本内容。最后使用ElementTree.ElementTree()方法将ElementTree对象写入XML文件。 示例代码如下: ```python import xml.etree.ElementTree as ET # 创建根元素 root = ET.Element('root') # 创建子元素 child1 = ET.Element('child1') child1.text = 'Content of child1' root.append(child1) # 创建ElementTree对象 tree = ET.ElementTree(root) # 写入XML文件 tree.write('example.xml') ``` 以上就是Python读写XML文件的简单示例。xml.dom.minidom模块与xml.etree.ElementTree模块类似,提供了操作XML文件的方法,但使用方式略有不同。 ### 回答2: 在Python中,我们可以使用`xml`模块来读写XML文件。 要读取XML文件,我们可以使用`xml.etree.ElementTree`模块的`parse`函数。具体步骤如下: 1. 导入`xml.etree.ElementTree`模块。 2. 使用`parse`函数打开XML文件,并返回一个`ElementTree`对象。 3. 使用`getroot`方法获取XML文件的根元素。 4. 使用`find`、`findall`等方法定位到需要读取的元素,然后使用`text`属性获取其文本内容。 以下是一个读取XML文件的示例代码: ```python import xml.etree.ElementTree as ET # 打开XML文件并解析 tree = ET.parse('example.xml') # 获取根元素 root = tree.getroot() # 定位到需要读取的元素,获取其文本内容 for child in root.findall('book'): title = child.find('title').text author = child.find('author').text year = child.find('year').text print(f'Title: {title}, Author: {author}, Year: {year}') ``` 要写入XML文件,我们可以使用`xml.etree.ElementTree`模块的相关方法来创建XML元素,并使用`ElementTree`对象的`write`函数将元素写入XML文件。 以下是一个写入XML文件的示例代码: ```python import xml.etree.ElementTree as ET # 创建根元素 root = ET.Element('books') # 创建子元素 book1 = ET.SubElement(root, 'book') title1 = ET.SubElement(book1, 'title') title1.text = 'Book Title 1' author1 = ET.SubElement(book1, 'author') author1.text = 'Author 1' year1 = ET.SubElement(book1, 'year') year1.text = '2021' book2 = ET.SubElement(root, 'book') title2 = ET.SubElement(book2, 'title') title2.text = 'Book Title 2' author2 = ET.SubElement(book2, 'author') author2.text = 'Author 2' year2 = ET.SubElement(book2, 'year') year2.text = '2022' # 创建ElementTree对象 tree = ET.ElementTree(root) # 写入XML文件 tree.write('example.xml', encoding='utf-8', xml_declaration=True) ``` 以上是使用Python读写XML文件的基本操作,根据具体需求,我们可以进一步学习和使用XML相关的操作方法。 ### 回答3: Python读写XML文件可以使用内置的xml模块。首先,我们需要导入xml.etree.ElementTree模块来处理XML数据。 要读取XML文件,我们可以使用ElementTree的parse函数。例如,如果我们有一个名为"example.xml"的XML文件,我们可以这样读取它: ```python import xml.etree.ElementTree as ET tree = ET.parse("example.xml") root = tree.getroot() ``` 这将解析XML文件并将其存储在ElementTree对象中。我们可以使用getroot()方法获取XML的根元素。 要访问XML元素的内容,可以使用标签名称和迭代器的方式。例如,要打印出XML文件中所有元素的标签和文本内容,可以使用以下代码: ```python for element in root.iter(): print(element.tag, element.text) ``` 要写入XML文件,我们可以创建一个新的ElementTree对象,并添加元素和属性。然后,我们可以使用ElementTree的write函数将其写入文件。 以下是一个将数据写入XML文件的示例代码: ```python import xml.etree.ElementTree as ET root = ET.Element("root") child1 = ET.SubElement(root, "child1") child1.text = "这是child1的文本内容" child2 = ET.SubElement(root, "child2") child2.text = "这是child2的文本内容" tree = ET.ElementTree(root) tree.write("output.xml") ``` 这将创建一个名为"output.xml"的新XML文件,并在其中写入我们创建的XML结构。 综上所述,我们可以使用xml.etree.ElementTree模块读写XML文件。读取时使用parse函数解析XML文件并获取根元素,写入时创建ElementTree对象,添加元素和属性,并利用write函数将其写入文件。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值