python解析xml文件实例教程

发布时间:2019-09-10编辑:脚本学堂
本文介绍了python解析xml文件的方法,在使用python处理xml格式数据时测试过的类库,需要的朋友参考下。

在使用python处理xml格式数据时测试过的类库,有些类库由于先天不足,无法支持一些特性,涉及的类库或模 块有xml(python自带)、libxml2 、lxml 、xpath 。

附注:本文处理xml格式的数据的结构如下:
 

input_xml_string = """
<root>
<item>
<data version="1.0" url="http://***" />  <data version="2.0" url="http://***" /> </item> <other> <data version="1.0" url="http://***" /> <data version="2.0" url="http://***" /> </other> </root> """
 

一,python自带的xml处理模块xml.dom.minidom 解析xml

可以使用该模块提供的”getElementsByTagName“接口找到需要的节点,实例“get_tagname”如下:
 

复制代码 代码示例:
import xml.dom.minidom def get_tagname(): doc = xml.dom.minidom.parseString(input_xml_string) for node in doc.getElementsByTagName("data"): print (node, node.tagName, node.getAttribute("version"))
 

程序运行结果:
(<DOM Element: data at 0x89884cc>, u'data', u'1.0') 
(<DOM Element: data at 0x898860c>, u'data', u'2.0') 
(<DOM Element: data at 0x89887cc>, u'data', u'1.0') 
(<DOM Element: data at 0x898890c>, u'data', u'2.0') 
观察上面的运行结果,”getElementsByTagName“接口查找名为data的所有节点,有时程序需要完成的功能是只需要某个节点下面的 data节点,如other节点下的data节点。
也许您马上想到了,可以判断data节点的父节点是否为other来满足功能,实例 “get_tagname_other”如下:
 

复制代码 代码示例:
import xml.dom.minidom def get_tagname_other(): doc = xml.dom.minidom.parseString(input_xml_string) for node in doc.getElementsByTagName("data"): if node.parentNode.tagName == "other": print (node, node.tagName, node.getAttribute("version"))
 

程序运行结果:
(<DOM Element: data at 0x936b7cc>, u'data', u'1.0') 
(<DOM Element: data at 0x936b90c>, u'data', u'2.0') 
观察上面的运行结果,恩,很好,问题是解决了,但是如果我想查找other节点下的data节点且属性节点version等于1.0的那个data节点, 那么就需要添加更多的策略来筛选出我们需要的数据,显然这种方式不够灵活,因此我们想到了使用xpath的方式去搜索我们需要的节点。实例 “get_xpath”如下:
 

复制代码 代码示例:
import xml.etree.ElementTree from StringIO import StringIO file = StringIO(input_xml_string) def get_xpath(): doc = xml.etree.ElementTree.parse(file) for node in doc.findall("//item/data"): print (node, node.tag, (node.items()))
 

程序运行结果:
(<Element data at 90c4dcc>, 'data', [('url', 'http://***'), ('version', '1.0')]) 
(<Element data at 90c4e8c>, 'data', [('url', 'http://***'), ('version', '2.0')]) 
观察上面的运行结果,使用xpath的方式显然改善了程序的可读性,可依然没有解决上面的问题,这是由于python自带的xml模块对xpath方式的支持先天不足,如果想同时满足可读性与功能的正确性,我们需要使用针对python的第三方xml处理类库。

二,使用libxml2解析xml

libxml2是使用C语言开发的xml解析器,是一个基于MIT License的免费开源软件,多种编程语言都有基于它的实现,如本文将会介绍的lxml模块。实例“get_xpath_1”如下:
 

复制代码 代码示例:
import libxml2
def get_xpath_1():
doc = libxml2.parseFile("data.xml")#data.xml文件结构与上述的input_xml_string相同
for node in doc.xpathEval("//item/data[@version = '1.0']"):
print (node, node.name, (node.properties.name, node.properties.content))
doc.freeDoc()


程序运行结果:
(<xmlNode (data) object at 0x9326c6c>, 'data', ('version', '1.0')) 
观察上面的运行结果,能够满足我们的需求,有点小不足“xpathEval()”接口不支持类似模板的用法,但不影响使用,由于libxml2采用C语言开发的,因此在使用API接口的方式上难免会有点“水土不服”(写法或习惯性用法)

三,使用lxml解析xml
lxml是以上述介绍过的libxml2为基础采用python语言开发的,从使用层面上说比libxml2更适合python开发者(鄙人感受),且"xpath"接口支持类似模板的用法,实例“get_xpath_2”如下:
 

复制代码 代码示例:
import lxml.etree def get_xpath_2(): doc = lxml.etree.parse(file) for node in doc.xpath("//item/data[@version = $name]", name = "1.0"): print (node, node.tag, (node.items()))
 

程序运行结果:
(<Element data at a1f784c>, 'data', [('version', '1.0'), ('url', 'http://***')]) 

四,使用xpath模块解析xml
xpath是python官方推荐的一个支持xpath等处理的模块,是基于本文介绍过的python自带xml处理模块扩展而成,可以很好的结合使用,同时“find”接口也支持类似模板的用法,实例“get_xpath_3”如下:
 

复制代码 代码示例:
import xpath def get_xpath_3(): doc = xml.dom.minidom.parseString(input_xml_string) for node in xpath.find("//item/data[@version = $name]", doc, name = "1.0"): print (node, node.tagName, node.getAttribute("version"))
 

程序运行结果:
(<DOM Element: data at 0x89934cc>, u'data', u'1.0') 

总结:
通过对这些类库的实践,已了解了python在处理xml格式的数据时有各种各样的选择,并得知这些类库各自擅长那些方面的处理和各种类库的使用手法,可以根据实际需求选择合适的类库完成开发工作。