python網絡編程學習筆記(八)：XML生成與解析（DOM、ElementTree）

2019-11-25 18:23:04

字體：大中小

來源：轉載

供稿：網友

xml.dom篇

DOM是Document Object Model的簡稱，XML 文檔的高級樹型表示。該模型并非只針對 Python，而是一種普通XML 模型。Python 的 DOM 包是基于 SAX 構建的，并且包括在 Python 2.0 的標準 XML 支持里。

一、xml.dom的簡單介紹

１、主要方法：

minidom.parse(filename)：加載讀取XML文件
doc.documentElement：獲取XML文檔對象
node.getAttribute(AttributeName)：獲取XML節點屬性值
node.getElementsByTagName(TagName)：獲取XML節點對象集合
node.childNodes ：返回子節點列表。
node.childNodes[index].nodeValue：獲取XML節點值
node.firstChild：訪問第一個節點，等價于pagexml.childNodes[0]
返回Node節點的xml表示的文本：
doc = minidom.parse(filename)
doc.toxml('UTF-8')

訪問元素屬性：

Node.attributes["id"]
a.name #就是上面的 "id"
a.value #屬性的值

２、舉例說明

例１：文件名：book.xml

復制代碼代碼如下:

<?xml version="1.0" encoding="utf-8"?>
<info>
   <intro>Book message</intro>
    <list id='001'>
        <head>bookone</head>
        <name>python check</name>
        <number>001</number>
        <page>200</page>
    </list>

    <list id='002'>
        <head>booktwo</head>
        <name>python learn</name>
        <number>002</number>
        <page>300</page>
    </list>

</info>

（１）創建ＤＯＭ對象

復制代碼代碼如下:

import xml.dom.minidom
dom1=xml.dom.minidom.parse('book.xml')

（２）獲取根字節

root=dom1.documentElement #這里得到的是根節點
print root.nodeName,',',root.nodeValue,',',root.nodeType

返回結果為：

info , None , 1

其中:

info是指根節點的名稱root.nodeName
None是指根節點的值root.nodeValue

１是指根節點的類型root.nodeType,更多節點類型如下表：

NodeType	Named Constant
1	ELEMENT_NODE
2	ATTRIBUTE_NODE
3	TEXT_NODE
4	CDATA_SECTION_NODE
5	ENTITY_REFERENCE_NODE
6	ENTITY_NODE
7	PROCESSING_INSTRUCTION_NODE
8	COMMENT_NODE
9	DOCUMENT_NODE
10	DOCUMENT_TYPE_NODE
11	DOCUMENT_FRAGMENT_NODE
12	NOTATION_NODE

（3）子元素、子節點的訪問

Ａ、返回root子節點列表

復制代碼代碼如下:

import xml.dom.minidom
dom1=xml.dom.minidom.parse('book.xml')
root=dom1.documentElement
#print root.nodeName,',',root.nodeValue,',',root.nodeType
print root.childNodes

運行結果為：

[<DOM Text node "u'/n '">, <DOM Element: intro at 0x124ef58>, <DOM Text node "u'/n '">, <DOM Element: list at 0x1254058>, <DOM Text node "u'/n/n '">, <DOM Element: list at 0x1254418>, <DOM Text node "u'/n/n'">]

Ｂ、獲取XML節點值，如返回根節點下第二個子節點intro的值和名字，添加下面一句

復制代碼代碼如下:

print root.childNodes[1].nodeName,root.childNodes[1].nodeValue

運行結果為：

intro None

Ｃ、訪問第一個節點

復制代碼代碼如下:

print root.firstChild.nodeName

運行結果為：

#text

Ｄ、獲取已經知道的元素名字的值，如要獲取intro后的book message可以使用下面的方法：

復制代碼代碼如下:

import xml.dom.minidom
dom1=xml.dom.minidom.parse('book.xml')
root=dom1.documentElement
#print root.nodeName,',',root.nodeValue,',',root.nodeType
node= root.getElementsByTagName('intro')[0]
for node in node.childNodes:
    if node.nodeType in (node.TEXT_NODE,node.CDATA_SECTION_NODE):
        print node.data

這種方法的不足之處是需要對類型進行判斷，使用起來不是很方便。運行結果是：

Book message

二、xml解析

對上面的xml進行解析

方法1 代碼如下：

復制代碼代碼如下:

#@小五義 http://www.cnblogs.com/xiaowuyi
#xml 解析

運行結果為：

====================
id:001
head: bookone
name: python check
number: 001
page: 200
====================
id:002
head: booktwo
name: python learn
number: 002
page: 300

方法二：

代碼：

復制代碼代碼如下:

#@小五義 http://www.cnblogs.com/xiaowuyi
#xml 解析

import xml.dom.minidom
dom1=xml.dom.minidom.parse('book.xml')
root=dom1.documentElement
book={}
booknode=root.getElementsByTagName('list')
for booklist in booknode:
    print '='*20
    print 'id:'+booklist.getAttribute('id')
    print 'head:'+booklist.getElementsByTagName('head')[0].childNodes[0].nodeValue.strip()
    print 'name:'+booklist.getElementsByTagName('name')[0].childNodes[0].nodeValue.strip()
    print 'number:'+booklist.getElementsByTagName('number')[0].childNodes[0].nodeValue.strip()
    print 'page:'+booklist.getElementsByTagName('page')[0].childNodes[0].nodeValue.strip()

運行結果與方法一一樣。比較上面的兩個方法，方法一根據xml的樹結構進行了多次循環，可讀性上不及方法二，方法直接對每一個節點進行操作，更加清晰。為了更加方法程序的調用，可以使用一個list加一個字典進行存儲，具體見方法3：

復制代碼代碼如下:

#@小五義 http://www.cnblogs.com/xiaowuyi
#xml 解析 
import xml.dom.minidom 
dom1=xml.dom.minidom.parse('book.xml') 
root=dom1.documentElement 
book=[] 
booknode=root.getElementsByTagName('list') 
for booklist in booknode: 
    bookdict={} 
    bookdict['id']=booklist.getAttribute('id') 
    bookdict['head']=booklist.getElementsByTagName('head')[0].childNodes[0].nodeValue.strip() 
    bookdict['name']=booklist.getElementsByTagName('name')[0].childNodes[0].nodeValue.strip() 
    bookdict['number']=booklist.getElementsByTagName('number')[0].childNodes[0].nodeValue.strip() 
    bookdict['page']=booklist.getElementsByTagName('page')[0].childNodes[0].nodeValue.strip() 
    book.append(bookdict) 
print book

運行結果為：

[{'head': u'bookone', 'page': u'200', 'number': u'001', 'id': u'001', 'name': u'python check'}, {'head': u'booktwo', 'page': u'300', 'number': u'002', 'id': u'002', 'name': u'python learn'}]

該列表里包含了兩個字典。

三、建立ＸＭＬ文件
這里用方法三得到的結果，建立一個xml文件。

復制代碼代碼如下:

# -*- coding: cp936 -*-
#@小五義 http://www.cnblogs.com/xiaowuyi
#xml 創建

import xml.dom
def create_element(doc,tag,attr):
    #創建一個元素節點
    elementNode=doc.createElement(tag)
    #創建一個文本節點
    textNode=doc.createTextNode(attr)
    #將文本節點作為元素節點的子節點
    elementNode.appendChild(textNode)
    return elementNode

dom1=xml.dom.getDOMImplementation()#創建文檔對象，文檔對象用于創建各種節點。
doc=dom1.createDocument(None,"info",None)
top_element = doc.documentElement# 得到根節點
books=[{'head': u'bookone', 'page': u'200', 'number': u'001', 'id': u'001', 'name': u'python check'}, {'head': u'booktwo', 'page': u'300', 'number': u'002', 'id': u'002', 'name': u'python learn'}]
for book in books:
    sNode=doc.createElement('list')
    sNode.setAttribute('id',str(book['id']))
    headNode=create_element(doc,'head',book['head'])
    nameNode=create_element(doc,'name',book['name'])
    numberNode=create_element(doc,'number',book['number'])
    pageNode=create_element(doc,'page',book['page'])
    sNode.appendChild(headNode)
    sNode.appendChild(nameNode)
    sNode.appendChild(pageNode)
    top_element.appendChild(sNode)# 將遍歷的節點添加到根節點下
xmlfile=open('bookdate.xml','w')
doc.writexml(xmlfile,addindent=' '*4, newl='/n', encoding='utf-8')
xmlfile.close()

運行后生成bookdate.xml文件，該文件與book.xml一樣。

xml.etree.ElementTree篇

依然使用例1的例子，對xml進行解析分析。

1、加載XML

方法一：直接加載文件

復制代碼代碼如下:

import xml.etree.ElementTree
root=xml.etree.ElementTree.parse('book.xml')

方法二：加載指定字符串

復制代碼代碼如下:

import xml.etree.ElementTree
root = xml.etree.ElementTree.fromstring(xmltext)這里xmltext是指定的字符串。

２、獲取節點

方法一利用getiterator方法得到指定節點

book_node=root.getiterator("list")

方法二利用getchildren方法得到子節點,如例１中，要得到list下面子節點head的值：

復制代碼代碼如下:

#@小五義 http://www.cnblogs.com/xiaowuyiimport xml.etree.ElementTree
root=xml.etree.ElementTree.parse('book.xml')
book_node=root.getiterator("list")
for node in book_node:
    book_node_child=node.getchildren()[0]
    print book_node_child.tag+':'+book_node_child.text

運行結果為：

head:bookone
head:booktwo

方法三使用find和findall方法

find方法找到指定的第一個節點：

復制代碼代碼如下:

# -*- coding: cp936 -*-
#@小五義 
import xml.etree.ElementTree
root=xml.etree.ElementTree.parse('book.xml')
book_find=root.find('list')
for note in book_find:
    print note.tag+':'+note.text

運行結果：

head:bookone
name:python check
number:001
page:200

findall方法將找到指定的所有節點：

復制代碼代碼如下:

# -*- coding: cp936 -*-
#@小五義 
import xml.etree.ElementTree
root=xml.etree.ElementTree.parse('book.xml')
book=root.findall('list')
for book_list in book:
    for note in book_list:
        print note.tag+':'+note.text

運行結果：

head:bookone
name:python check
number:001
page:200
head:booktwo
name:python learn
number:002
page:300

３、對book.xml進行解析的實例

復制代碼代碼如下:

# -*- coding: cp936 -*-
#@小五義 
import xml.etree.ElementTree
root=xml.etree.ElementTree.parse('book.xml')
book=root.findall('list')
for book_list in book:
    print '='*20
    if  book_list.attrib.has_key('id'):
        print "id:"+book_list.attrib['id']
    for note in book_list:
        print note.tag+':'+note.text
print '='*20

運行結果為：

====================
id:001
head:bookone
name:python check
number:001
page:200
====================
id:002
head:booktwo
name:python learn
number:002
page:300
====================

注意：
當要獲取屬性值時，如list id='001',用attrib方法。
當要獲取節點值時，如<head>bookone</head>中的bookone用text方法。
當要獲取節點名時，用tag方法。

上一篇：python網絡編程學習筆記(九)：數據庫客戶端 DB-API

下一篇：python網絡編程學習筆記(七)：HTML和XHTML解析(HTMLParser、BeautifulSoup)