關(guān)于python讀取xml文章很多,但大多文章都是貼一個xml文件,然后再貼個處理文件的代碼。這樣并不利于初學(xué)者的學(xué)習(xí),希望這篇文章可以更通俗易懂的教如何使用python 來讀取xml 文件。
什么是xml?
xml即可擴展標(biāo)記語言,它可以用來標(biāo)記數(shù)據(jù)、定義數(shù)據(jù)類型,是一種允許用戶對自己的標(biāo)記語言進行定義的源語言。
abc.xml
<?xml version="1.0" encoding="utf-8"?> <catalog> <maxid>4</maxid> <login username="pytest" passwd='123456'> <caption>Python</caption> <item id="4"> <caption>測試</caption> </item> </login> <item id="2"> <caption>Zope</caption> </item> </catalog>
Ok ,從結(jié)構(gòu)上,它很像我們常見的HTML超文本標(biāo)記語言。但他們被設(shè)計的目的是不同的,超文本標(biāo)記語言被設(shè)計用來顯示數(shù)據(jù),其焦點是數(shù)據(jù)的外觀。它被設(shè)計用來傳輸和存儲數(shù)據(jù),其焦點是數(shù)據(jù)的內(nèi)容。
那么它有如下特征:
首先,它是有標(biāo)簽對組成,<aa></aa>
標(biāo)簽可以有屬性:<aa id=’123’></aa>
標(biāo)簽對可以嵌入數(shù)據(jù):<aa>abc</aa>
標(biāo)簽可以嵌入子標(biāo)簽(具有層級關(guān)系):
<aa>
<bb></bb>
</aa>
獲得標(biāo)簽屬性
那么,下面來介紹如何用python來讀取這種類型的文件。
#coding=utf-8 import xml.dom.minidom #打開xml文檔 dom = xml.dom.minidom.parse('abc.xml') #得到文檔元素對象 root = dom.documentElement print root.nodeName print root.nodeValue print root.nodeType print root.ELEMENT_NODE
mxl.dom.minidom 模塊被用來處理xml文件,所以要先引入。
xml.dom.minidom.parse() 用于打開一個xml文件,并將這個文件對象dom變量。
documentElement 用于得到dom對象的文檔元素,并把獲得的對象給root
每一個結(jié)點都有它的nodeName,nodeValue,nodeType屬性。
nodeName為結(jié)點名字。
nodeValue是結(jié)點的值,只對文本結(jié)點有效。
nodeType是結(jié)點的類型。catalog是ELEMENT_NODE類型
現(xiàn)在有以下幾種:
'ATTRIBUTE_NODE'
'CDATA_SECTION_NODE'
'COMMENT_NODE'
'DOCUMENT_FRAGMENT_NODE'
'DOCUMENT_NODE'
'DOCUMENT_TYPE_NODE'
'ELEMENT_NODE'
'ENTITY_NODE'
'ENTITY_REFERENCE_NODE'
'NOTATION_NODE'
'PROCESSING_INSTRUCTION_NODE'
'TEXT_NODE'
NodeTypes - 有名常數(shù)
http://www.w3school.com.cn/xmldom/dom_nodetype.asp
獲得子標(biāo)簽
現(xiàn)在要獲得catalog的子標(biāo)簽以的標(biāo)簽name
<?xml version="1.0" encoding="utf-8"?> <catalog> <maxid>4</maxid> <login username="pytest" passwd='123456'> <caption>Python</caption> <item id="4"> <caption>測試</caption> </item> </login> <item id="2"> <caption>Zope</caption> </item> </catalog>
對于知道元素名字的子元素,可以使用getElementsByTagName方法獲取:
#coding=utf-8 import xml.dom.minidom #打開xml文檔 dom = xml.dom.minidom.parse('abc.xml') #得到文檔元素對象 root = dom.documentElement bb = root.getElementsByTagName('maxid') b= bb[0] print b.nodeName bb = root.getElementsByTagName('login') b= bb[0] print b.nodeName
如何區(qū)分相同標(biāo)簽名字的標(biāo)簽:
<?xml version="1.0" encoding="utf-8"?> <catalog> <maxid>4</maxid> <login username="pytest" passwd='123456'> <caption>Python</caption> <item id="4"> <caption>測試</caption> </item> </login> <item id="2"> <caption>Zope</caption> </item> </catalog>
<caption>和<item>標(biāo)簽不止一個如何區(qū)分?
#coding=utf-8 import xml.dom.minidom #打開xml文檔 dom = xml.dom.minidom.parse('abc.xml') #得到文檔元素對象 root = dom.documentElement bb = root.getElementsByTagName('caption') b= bb[2] print b.nodeName bb = root.getElementsByTagName('item') b= bb[1] print b.nodeName
root.getElementsByTagName('caption') 獲得的是標(biāo)簽為caption 一組標(biāo)簽,b[0]表示一組標(biāo)簽中的第一個;b[2] ,表示這一組標(biāo)簽中的第三個。
獲得標(biāo)簽屬性值
<?xml version="1.0" encoding="utf-8"?> <catalog> <maxid>4</maxid> <login username="pytest" passwd='123456'> <caption>Python</caption> <item id="4"> <caption>測試</caption> </item> </login> <item id="2"> <caption>Zope</caption> </item> </catalog>
<login>和<item>標(biāo)簽是有屬性的,如何獲得他們的屬性?
#coding=utf-8 import xml.dom.minidom #打開xml文檔 dom = xml.dom.minidom.parse('abc.xml') #得到文檔元素對象 root = dom.documentElement itemlist = root.getElementsByTagName('login') item = itemlist[0] un=item.getAttribute("username") print un pd=item.getAttribute("passwd") print pd ii = root.getElementsByTagName('item') i1 = ii[0] i=i1.getAttribute("id") print i i2 = ii[1] i=i2.getAttribute("id") print i
getAttribute方法可以獲得元素的屬性所對應(yīng)的值。
獲得標(biāo)簽對之間的數(shù)據(jù)
<?xml version="1.0" encoding="utf-8"?> <catalog> <maxid>4</maxid> <login username="pytest" passwd='123456'> <caption>Python</caption> <item id="4"> <caption>測試</caption> </item> </login> <item id="2"> <caption>Zope</caption> </item> </catalog>
<caption>標(biāo)簽對之間是有數(shù)據(jù)的,如何獲得這些數(shù)據(jù)?
獲得標(biāo)簽對之間的數(shù)據(jù)有多種方法,
方法一
#coding=utf-8 import xml.dom.minidom #打開xml文檔 dom = xml.dom.minidom.parse('abc.xml') #得到文檔元素對象 root = dom.documentElement cc=dom.getElementsByTagName('caption') c1=cc[0] print c1.firstChild.data c2=cc[1] print c2.firstChild.data c3=cc[2] print c3.firstChild.data
firstChild 屬性返回被選節(jié)點的第一個子節(jié)點,.data表示獲取該節(jié)點人數(shù)據(jù)。
方法二
#coding=utf-8 from xml.etree import ElementTree as ET per=ET.parse('abc.xml') p=per.findall('./login/item') for oneper in p: for child in oneper.getchildren(): print child.tag,':',child.text p=per.findall('./item') for oneper in p: for child in oneper.getchildren(): print child.tag,':',child.text
方法二有點復(fù)雜,所引用模塊也與前面的不一樣,findall用于指定在哪一級標(biāo)簽下開始遍歷。
getchildren方法按照文檔順序返回所有子標(biāo)簽。并輸出標(biāo)簽名(child.tag)和標(biāo)簽的數(shù)據(jù)(child.text)
其實,方法二的作用不在于此,它核心功能是可以遍歷某一級標(biāo)簽下的所有子標(biāo)簽。