python-minidom模块【解析xml】

时间:2021-08-17 03:48:16

http://zc0604.iteye.com/blog/1520703

http://www.cnblogs.com/rirtue/archive/2012/01/12/2321028.html

http://blog.csdn.net/zgx007/article/details/6107226

1,xml的文档结构

1.1,XML文档包括XML头信息XML信息体

1.1.1,XML文档头信息

<?xml version="1.0" encoding="utf-8"?>
它表明了此XML文档所用的版本,编码方式。有些复杂的还有一些文档类型的定义(DOCTYPE),用于定义此XML文档所用的DTD或Schema和一些实体的定义。

1.1.2,XML文档信息体

<Table>
<Name>
tbl_test
</Name>
<Comment>
This ia a test table
</Comment>
<Schema format="Json">
</Schema>
</Table>

XML信息体是由树状元素组成。每个XML文档都有一个文档元素,也就是树的根元素,所有其它的元素和内容都包含在根元素中。
DOM是Document Object Model的简称,它是以对象树来表示一个XML文档的方法,使用它的好处就是你可以非常灵活的在对象中进行遍历。


2,minidom模块读取XML

按照我的理解,在获得XML文档树的根节点后,实际上分为两种节点【这里测试只用到这两种节点,实际按照nodeType知道还有其他很多】:元素节点(ELEMENT NODE)和文本节点(TEXT NODE)。元素节点如上面的Name标签,整个就是一个元素节点。文本节点如上面的tbl_test,也作为一个节点,即文本节点。

节点都具有这样三种属性;   

node.nodeName nodeName为结点名字
node.nodeValue nodeValue是结点的值,只对文本结点有效
node.nodeType nodeType是结点的类型

元素节点(ELEMENT NODE)可以用root.getElementsByTagName("Table")这样来获取以Table标签的一个列表。

文本节点(TEXT NODE)         可以用column.getAttribute('Name')这样来获取Name的这样一个属性值。属性指的是: <Column Name="pt" Value="1"/>这样的结构。可以使用node.data或者node.nodeValue来获取文本值。

2.1,得到dom对象

从xml文件得到dom对象

>>> import xml.dom.minidom
>>> dom = xml.dom.minidom.parse('d:/catalog.xml')
从xml字符串得到dom对象
>>> import xml.dom.minidom
>>> dom = xml.dom.minidom.parseString(xmlstring)

2.2,得到文档元素对象

>>> root = dom.documentElement


3,测试

3.1,实验1

<?xml version="1.0" encoding="UTF-8"?>
<Table>
<Name>
tbl_test
</Name>
<Comment>
This ia a test table
</Comment>
<Schema format="Json">
</Schema>
</Table>


dom = parseString(string1)
#root = dom.documentElement
table = dom.getElementsByTagName( "Table" )[0]
name = table.getElementsByTagName( "Name" )[0]
for textNode in name.childNodes:
print textNode.data
print textNode.nodeValue
1,dom获得的是整个xml对象

2,【未运行】root获得的整个文档对象,如果执行了,实际上得到的是根节点唯一的标签<Table></Table>下的东西,如果有多个<Table></Table>,估计会忽略,默认把第一个当成根。

3,root.getElementsByTagName( "Table" )将获得所有<Table></Table>标签对,这是一个类似于列表的东西,可以用列表方法获取。因为这里就一个<Table></Table>标签,所以直接[0]返回这个单独的对象。

4,table获得的是真正的单个的其中的<table></Table>对象。

5,table.getElementsByTagName( "Name" )同样获得的是一个[<Name></Name>,...,<Name></Name>]这样的列表。

6,name获得的是单个的现在仅有的<Name></Name>对象。

7,由于name下面是文本节点tbl_test。虽然只有一个,但可以有多个。此时,前述的都是元素节点,Name标签下都是文本节点了,可以用name.childNodes获得文本节点列表,注意,还是列表。

8,textNode是其中的唯一的一个tbl_test。

9,因为是文本节点,所有有data属性。当然其,node.nodeValue也可以读到。


3.2,实验2

<?xml version="1.0" encoding="UTF-8"?>
<Partitions>
<Partition>
<Column Name="pt" Value="1"/>
</Partition>
</Partitions>

dom = parseString(string2)
#root = dom.documentElement
partitions = dom.getElementsByTagName("Partitions")[0]
partition = partitions.getElementsByTagName("Partition")[0]
column = partition.getElementsByTagName("Column")[0]
print column.getAttribute('Name')

1,dom获得的是整个xml对象

2,【未运行】root获得的整个文档对象,如果执行了,实际上得到的是根节点唯一的标签<Table></Table>下的东西,如果有多个<Partitions></Partitions>,估计会忽略,默认把第一个当成根。

3,root.getElementsByTagName( "Partitions" )将获得所有<Partitions></Partitions>标签对,这是一个类似于列表的东西,可以用列表方法获取。因为这里就一个<Partitions></Partitions>标签,所以直接[0]返回这个单独的对象。

4,partitions获得的是真正的单个的其中的<Partitions></Partitions>对象。

5,partitions.getElementsByTagName( "Partition" )同样获得的是一个[<Partition></Partition>,...,<Partition></Partition>]这样的列表。

6,partition获得的是单个的现在仅有的<Partition></Partition>对象。

7,column以同样方式获取到单个的<Column></Column>对象

8,由于Name是Column的一个属性,所以用column.getAttribute('Name')来获取这个属性值


3.3,实验3

string1='''<?xml version="1.0" encoding="UTF-8"?>
<Table>
<Name>
tbl_test
</Name>
<Comment>
<Name>
gexing
</Name>
This ia a test table
</Comment>
<Schema format="Json">
</Schema>
<Name>
dandan
</Name>
</Table>
'''

dom = parseString(string1)
root = dom.documentElement
names = root.getElementsByTagName("Name")
for name in names:
for child in name.childNodes:
print child.nodeValue

输出:

[admin@r42h06016.xy2.aliyun.com]$python test.py

tbl_test


gexing


dandan

注意点1,空行是因为实际上要的xml是无空格的内容。

注意点2,说明用getElementsByTagName得到的list是遍历所有“节点”,然后不管哪个层次,遇到一个符合的就会加进来。如果没有文本信息,就输出None。


3.4,简单函数

对于简单的元素,如:<caption>Python</caption>,我们可以编写这样一个函数来得到它的内容(这里为Python)。

def getTagText(root, tag):
node = root.getElementsByTagName(tag)[0]
rc = ""
for node in node.childNodes:
if node.nodeType in ( node.TEXT_NODE, node.CDATA_SECTION_NODE):
rc = rc + node.data
return rc

4,xml.etree.ElementTree模块读xml

import xml.etree.ElementTree
content = xml.etree.ElementTree.fromstring(string1)
name = content.findall('Name')#找到所有的Name的列表
name = content.findtext('Name')#找到下一层的Name节点