python xml.dom模块解析xml
1. 什么是xml?有何特征?
xml即可扩展标记语言,它可以用来标记数据、定义数据类型,是一种允许用户对自己的标记语言进行定义的源语言。
例子:del.xml
<?xml version="1.0" encoding="utf-8"?> <catalog> <maxid>4</maxid> <login username="pytest" passwd='123456'> <caption>Python</caption> <item id="4"> <caption>test</caption> </item> </login> <item id="2"> <caption>Zope</caption> </item> </catalog>
从结构上,很像HTML超文本标记语言。但他们被设计的目的是不同的,超文本标记语言被设计用来显示数据,其焦点是数据的外观。它被设计用来传输和存储数据,其焦点是数据的内容。
那么它有如下特征:
- 它是有标签对组成,<aa></aa>
- 标签可以有属性:<aa id='123'></aa>
- 标签对可以嵌入数据:<aa>abc</aa>
- 标签可以嵌入子标签(具有层级关系)
2. 获得标签属性
#coding: utf-8 import xml.dom.minidom dom = xml.dom.minidom.parse("del.xml") #打开xml文档 root = dom.documentElement #得到xml文档对象 print "nodeName:", root.nodeName #每一个结点都有它的nodeName,nodeValue,nodeType属性 print "nodeValue:", root.nodeValue #nodeValue是结点的值,只对文本结点有效 print "nodeType:", root.nodeType print "ELEMENT_NODE:", root.ELEMENT_NODE
nodeType是结点的类型。catalog是ELEMENT_NODE类型
现在有以下几种:
'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'
运行结果
nodeName: catalog nodeValue: None nodeType: 1 ELEMENT_NODE: 1
3. 获得子标签
#coding: utf-8 import xml.dom.minidom dom = xml.dom.minidom.parse("del.xml") root = dom.documentElement bb = root.getElementsByTagName('maxid') print type(bb) print bb b = bb[0] print b.nodeName print b.nodeValue
运行结果
<class 'xml.dom.minicompat.NodeList'> [<DOM Element: maxid at 0x2707a48>] maxid None
4. 获得标签属性值
#coding: utf-8 import xml.dom.minidom dom = xml.dom.minidom.parse("del.xml") root = dom.documentElement itemlist = root.getElementsByTagName('login') item = itemlist[0] print item.getAttribute("username") print item.getAttribute("passwd") itemlist = root.getElementsByTagName("item") item = itemlist[0] #通过在itemlist中的位置区分 print item.getAttribute("id") item2 = itemlist[1] #通过在itemlist中的位置区分
print item2.getAttribute("id")
运行结果
pytest 123456 4 2
5. 获得标签对之间的数据
#coding: utf-8 import xml.dom.minidom dom = xml.dom.minidom.parse("del.xml") root = dom.documentElement itemlist = root.getElementsByTagName('caption') item = itemlist[0] print item.firstChild.data item2 = itemlist[1] print item2.firstChild.data
运行结果
Python test
6. 例子
<?xml version="1.0" encoding="UTF-8" ?> <users> <user id="1000001"> <username>Admin</username> <email>admin@live.cn</email> <age>23</age> <sex>boy</sex> </user> <user id="1000002"> <username>Admin2</username> <email>admin2@live.cn</email> <age>22</age> <sex>boy</sex> </user> <user id="1000003"> <username>Admin3</username> <email>admin3@live.cn</email> <age>27</age> <sex>boy</sex> </user> <user id="1000004"> <username>Admin4</username> <email>admin4@live.cn</email> <age>25</age> <sex>girl</sex> </user> <user id="1000005"> <username>Admin5</username> <email>admin5@live.cn</email> <age>20</age> <sex>boy</sex> </user> <user id="1000006"> <username>Admin6</username> <email>admin6@live.cn</email> <age>23</age> <sex>girl</sex> </user> </users>
把name、email、age、sex输出
参考代码
# -*- coding:utf-8 -*- from xml.dom import minidom def get_attrvalue(node, attrname): return node.getAttribute(attrname) if node else '' def get_nodevalue(node, index = 0): return node.childNodes[index].nodeValue if node else '' def get_xmlnode(node, name): return node.getElementsByTagName(name) if node else [] def get_xml_data(filename = 'user.xml'): doc = minidom.parse(filename) root = doc.documentElement user_nodes = get_xmlnode(root, 'user') print "user_nodes:", user_nodes user_list=[] for node in user_nodes: user_id = get_attrvalue(node, 'id') node_name = get_xmlnode(node, 'username') node_email = get_xmlnode(node, 'email') node_age = get_xmlnode(node, 'age') node_sex = get_xmlnode(node, 'sex') user_name =get_nodevalue(node_name[0]) user_email = get_nodevalue(node_email[0]) user_age = int(get_nodevalue(node_age[0])) user_sex = get_nodevalue(node_sex[0]) user = {} user['id'] , user['username'] , user['email'] , user['age'] , user['sex'] = ( int(user_id), user_name , user_email , user_age , user_sex ) user_list.append(user) return user_list def test_load_xml(): user_list = get_xml_data() for user in user_list : print '-----------------------------------------------------' if user: user_str='No.:\t%d\nname:\t%s\nsex:\t%s\nage:\t%s\nEmail:\t%s' % (int(user['id']) , user['username'], user['sex'] , user['age'] , user['email']) print user_str if __name__ == "__main__": test_load_xml()
结果
C:\Users\jihite\Desktop\xml>python user.py user_nodes: [<DOM Element: user at 0x2758c48>, <DOM Element: user at 0x2756288>, <DOM Element: user at 0x2756888>, <DOM Element: user at 0x2756e88>, <DOM Elemen t: user at 0x275e4c8>, <DOM Element: user at 0x275eac8>] ----------------------------------------------------- No.: 1000001 name: Admin sex: boy age: 23 Email: admin@live.cn ----------------------------------------------------- No.: 1000002 name: Admin2 sex: boy age: 22 Email: admin2@live.cn ----------------------------------------------------- No.: 1000003 name: Admin3 sex: boy age: 27 Email: admin3@live.cn ----------------------------------------------------- No.: 1000004 name: Admin4 sex: gril age: 25 Email: admin4@live.cn ----------------------------------------------------- No.: 1000005 name: Admin5 sex: boy age: 20 Email: admin5@live.cn ----------------------------------------------------- No.: 1000006 name: Admin6 sex: gril age: 23 Email: admin6@live.cn
7. 总结
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] doc = minidom.parse(filename) doc.toxml('UTF-8') 返回Node节点的xml表示的文本 Node.attributes["id"] a.name #就是上面的 "id" a.value #属性的值 访问元素属性