xml.dom篇
DOM是Document Object Model的简称，XML 文档的高级树型表示。该模型并非只针对 Python，而是一种普通XML 模型。Python 的 DOM 包是基于 SAX 构建的，并且包括在 Python 2.0 的标准 XML 支持里。
一、xml.dom的简单介绍
１、主要方法：
minidom.parse(filename)：加载读取XML文件
doc.documentElement：获取XML文档对象
node.getAttribute(AttributeName)：获取XML节点属性值
node.getElementsByTagName(TagName)：获取XML节点对象集合
node.childNodes ：返回子节点列表。
node.childNodes[index].nodeValue：获取XML节点值
node.firstChild：访问第一个节点，等价于pagexml.childNodes[0]
返回Node节点的xml表示的文本：
doc = minidom.parse(filename)
doc.toxml('UTF-8')
访问元素属性：
Node.attributes["id"]
a.name #就是上面的 "id"
a.value #属性的值
２、举例说明
例１：文件名：book.xml
<?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）创建DOM对象
import xml.dom.minidom
dom1=xml.dom.minidom.parse('book.xml')
print(dom1)
返回结果为：
<xml.dom.minidom.Document object at 0x00000000025CE468>
（２）获取根字节
root=dom1.documentElement # 这里得到的是根节点
print(root)
print(root.nodeName)
print(root.nodeValue)
print(root.nodeType)
返回结果为：
<DOM Element: info at 0x23619c8>
info
None
1
其中:
info是指根节点的名称root.nodeName
None是指根节点的值root.nodeValue
１是指根节点的类型root.nodeType,更多节点类型如下表：
|
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、子节点的访问
Ａ、返回root子节点列表
import xml.dom.minidom
dom1=xml.dom.minidom.parse('book.xml')
root=dom1.documentElement
print(root.childNodes)
运行结果为：
[<DOM Text node "'\n '">, <DOM Element: intro at 0x2255470>, <DOM Text node "'\n '">, <DOM Element: list at 0x2255508>, <DOM Text node "'\n\n '">, <DOM Element: list at 0x2255800>, <DOM Text node "'\n'">]
for i in root.childNodes:
print(i)
结果：
Text也是一个节点，Text表示两个标签之间的内容，如
第一行结果表示<info>和<intro>之间的内容，为一个回车和4个空格
第五行结果表示</list>和<list id='002'>之间的内容，为两个回车和4个空格
Ｂ、获取XML节点值，如返回根节点下第一个子节点、第二个子节点intro的值和名字
print(root.childNodes[0].nodeName)
print(root.childNodes[0].nodeValue)
print(root.childNodes[1].nodeName)
print(root.childNodes[1].nodeValue)
运行结果为：
可以看出，第一个节点的值是一个回车加4个空格(竖线为鼠标光标)
Ｃ、访问第一个节点
print(root.firstChild.nodeName)
运行结果为：
#text
Ｄ、获取已经知道的元素名字的值，如要获取intro后的book message可以使用下面的方法：
import xml.dom.minidom
dom1=xml.dom.minidom.parse('book.xml')
root=dom1.documentElement
node= root.getElementsByTagName('intro')[0]
for node in node.childNodes:
if node.nodeType in (node.TEXT_NODE,node.CDATA_SECTION_NODE):
print(node.data)
这种方法的不足之处是需要对类型进行判断，使用起来不是很方便。运行结果是：
Book message
二、ＸＭＬ解析
对上面的xml进行解析
方法1 代码如下：
import xml.dom.minidom
dom1=xml.dom.minidom.parse('book.xml')
root=dom1.documentElement
booknode=root.getElementsByTagName('list')
for booklist in booknode:
print('='*20)
print('id:'+booklist.getAttribute('id'))
for nodelist in booklist.childNodes:
if nodelist.nodeType ==1:
print(nodelist.nodeName+':',)
for node in nodelist.childNodes:
print(node.data)
import xml.dom.minidom
dom1=xml.dom.minidom.parse('book.xml')
root=dom1.documentElement
# print(root) # <DOM Element: info at 0x2131a60>
booknode=root.getElementsByTagName('list') # 返回元素列表
# print(booknode) # [<DOM Element: list at 0x22505a0>, <DOM Element: list at 0x2250898>]
for booklist in booknode: # 循环列表，booklist表示每本书
print('='*20)
print('id:'+booklist.getAttribute('id')) # 标签属性值
# print(booklist.childNodes) # 每本书的节点，[<DOM Text node "'\n '">, <DOM Element: head at 0x2590638>, <DOM Text node "'\n '">, <DOM Element: name at 0x25906d0>, <DOM Text node "'\n '">, <DOM Element: number at 0x2590768>, <DOM Text node "'\n '">, <DOM Element: page at 0x2590800>, <DOM Text node "'\n '">]
for nodelist in booklist.childNodes: # 循环当前书的节点
if nodelist.nodeType ==1: # 如果节点类型是1，表示是ELEMENT_NODE
print(nodelist.nodeName+':',end='')
# print(type(nodelist))
'''
上面一句的输出结果
id:001
<class 'xml.dom.minidom.Element'>
<class 'xml.dom.minidom.Element'>
<class 'xml.dom.minidom.Element'>
<class 'xml.dom.minidom.Element'>
'''
# print(nodelist.childNodes)
'''
上面一句的输出结果
id:001
[<DOM Text node "'bookone'">]
[<DOM Text node "'python che'...">]
[<DOM Text node "'001'">]
[<DOM Text node "'200'">]
'''
for node in nodelist.childNodes:
print(node.data)
运行结果为：
====================
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：
代码：
import xml.dom.minidom
dom1 = xml.dom.minidom.parse('book.xml')
root = dom1.documentElement
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())
运行结果与方法一一样。比较上面的两个方法，方法一根据xml的树结构进行了多次循环，可读性上不及方法二，方法二直接对每一个节点进行操作，更加清晰。
为了更加方便程序的调用，可以使用一个list加一个字典进行存储
xml转换为字典（方法一）：
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)
运行结果为：
[{'id': '001', 'head': 'bookone', 'name': 'python check', 'number': '001', 'page': '200'}, {'id': '002', 'head': 'booktwo', 'name': 'python learn', 'number': '002', 'page': '300'}]
该列表里包含了两个字典。
xml转换为字典（方法二）：
<?xml version="1.0"?>
<root>
<person age="18">
<name>张三</name>
<sex>男</sex>
</person>
<person age="19" des="您好">
<name>李四</name>
<sex>女</sex>
</person>
</root>
from xml.etree import ElementTree as et
import json # 从xml文件读取结点 转换为json格式，并保存到文件中
print('read node from xmlfile, transfer them to json, and save into jsonFile:')
root1 = et.parse("testXml.xml") # 直接加载文件
print(root1) # <xml.etree.ElementTree.ElementTree object at 0x00000000023E3D30>
f = open('testJson.json', 'a', encoding="utf8")
for each in root1.getiterator("person"): # 利用getiterator方法得到指定节点
print(each) # <Element 'person' at 0x000000000211C638>, <Element 'person' at 0x00000000025DFC78>
tempDict = each.attrib # attrib获取XML节点属性值，返回字典
print(type(tempDict)) # <class 'dict'>
print(tempDict) # {'age': '18'}, {'age': '19', 'des': '您好'}
for childNode in each.getchildren(): # 利用getchildren方法得到子节点
print(childNode) # <Element 'name' at 0x00000000023E3C28>, <Element 'sex' at 0x00000000025BFC28>
tempDict[childNode.tag] = childNode.text # tag获取节点名,text获取节点值
print(tempDict) # {'age': '18', 'name': '张三', 'sex': '男'}， {'age': '19', 'des': '您好', 'name': '李四', 'sex': '女'}
# 上面的字典，里面键值都是单引号，dumps后，变成双引号
tempJson = json.dumps(tempDict, ensure_ascii=False)
print(tempJson) # {"age": "18", "name": "张三", "sex": "男"}, {"age": "19", "des": "您好", "name": "李四", "sex": "女"}
f.write(tempJson + "\n")
f.close() # 从json文件中读取，并打印
print('read json from jsonfile:')
for eachJson in open('testJson.json', 'r', encoding='utf8'):
tempStr = json.loads(eachJson)
print(tempStr)
结果：
read node from xmlfile, transfer them to json, and save into jsonFile:
<xml.etree.ElementTree.ElementTree object at 0x0000000001E33DD8>
<Element 'person' at 0x0000000001E1C408>
<class 'dict'>
{'age': '18'}
<Element 'name' at 0x0000000002205C28>
<Element 'sex' at 0x00000000025DEC28>
{'age': '18', 'name': '张三', 'sex': '男'}
{"age": "18", "name": "张三", "sex": "男"}
<Element 'person' at 0x00000000025DECC8>
<class 'dict'>
{'age': '19', 'des': '您好'}
<Element 'name' at 0x00000000025DED18>
<Element 'sex' at 0x00000000025DED68>
{'age': '19', 'des': '您好', 'name': '李四', 'sex': '女'}
{"age": "19", "des": "您好", "name": "李四", "sex": "女"}
read json from jsonfile:
{'age': '18', 'name': '张三', 'sex': '男'}
{'age': '19', 'des': '您好', 'name': '李四', 'sex': '女'}
三、建立ＸＭＬ文件
这里用方法三得到的结果，建立一个xml文件。
import xml.dom
def create_element(doc,tag,attr):
#创建一个元素节点
elementNode=doc.createElement(tag)
#创建一个文本节点
textNode=doc.createTextNode(attr)
#将文本节点作为元素节点的子节点
elementNode.appendChild(textNode)
return elementNode dom1=xml.dom.getDOMImplementation()#创建文档对象，文档对象用于创建各种节点。
doc=dom1.createDocument(None,"info",None)
top_element = doc.documentElement# 得到根节点
books=[{'id': '001', 'head': 'bookone', 'name': 'python check', 'number': '001', 'page': '200'}, {'id': '002', 'head': 'booktwo', 'name': 'python learn', 'number': '002', 'page': '300'}]
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)# 将遍历的节点添加到根节点下
xmlfile=open('bookdate.xml','w')
doc.writexml(xmlfile,addindent=' '*4, newl='\n', encoding='utf-8')
xmlfile.close()
运行后生成bookdate.xml文件，该文件与book.xml一样。
xml.etree.ElementTree篇
依然使用例1的例子，对xml进行解析分析。
1、加载XML
方法一：直接加载文件
import xml.etree.ElementTree
root=xml.etree.ElementTree.parse('book.xml')
print(root)
结果：
<xml.etree.ElementTree.ElementTree object at 0x00000000022095F8>
方法二：加载指定字符串
import xml.etree.ElementTree
root = xml.etree.ElementTree.fromstring(xmltext)
这里xmltext是指定的字符串。
２、获取节点
方法一 利用getiterator方法得到指定节点
book_node=root.getiterator("list")
print(book_node)
结果：
[<Element 'list' at 0x00000000021E6F98>, <Element 'list' at 0x00000000025EF3B8>]
方法二 利用getchildren方法得到子节点,如例１中，要得到list下面子节点head的值：
import 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)
运行结果为：
head:bookone
head:booktwo
方法三 使用find和findall方法
find方法找到指定的第一个节点：
import xml.etree.ElementTree
root=xml.etree.ElementTree.parse('book.xml')
book_find=root.find('list')
# print(book_find) # <Element 'list' at 0x0000000002406F48>
# print(type(book_find)) # <class 'xml.etree.ElementTree.Element'>
for note in book_find:
# print(note)
'''
<Element 'head' at 0x00000000025F6B38>
<Element 'name' at 0x00000000025F6B88>
<Element 'number' at 0x000000000260A228>
<Element 'page' at 0x000000000260F368>
'''
print(note.tag+':'+note.text)
运行结果：
head:bookone
name:python check
number:001
page:200
findall方法将找到指定的所有节点：
import xml.etree.ElementTree
root=xml.etree.ElementTree.parse('book.xml')
book=root.findall('list')
print(book) # [<Element 'list' at 0x0000000001E66F48>, <Element 'list' at 0x00000000025DF368>]
for book_list in book:
for note in book_list:
print(note.tag+':'+note.text)
运行结果：
head:bookone
name:python check
number:001
page:200
head:booktwo
name:python learn
number:002
page:300
３、对book.xml进行解析的实例
import xml.etree.ElementTree
root=xml.etree.ElementTree.parse('book.xml')
book=root.findall('list')
for book_list in book:
print('='*20)
# print(type(book_list.attrib)) # <class 'dict'>
if 'id' in book_list.attrib:
print("id:"+book_list.attrib['id'])
for note in book_list:
print(note.tag+':'+note.text)
print('='*20)
运行结果为：
====================
id:001
head:bookone
name:python check
number:001
page:200
====================
id:002
head:booktwo
name:python learn
number:002
page:300
====================
注意：
当要获取属性值时，如list id=’001’,用attrib方法。
当要获取节点值时，如<head>bookone</head>中的bookone用text方法。
当要获取节点名时，用tag方法。
》》》》》参考1：http://www.cnblogs.com/xiao*/archive/2012/10/17/2727912.html
》》》》》参考2：http://blog.****.net/laoyaotask/article/details/41384719