Python和xml简介
2013-07-28 12:19 江湖么名 阅读(473) 评论(0) 编辑 收藏 举报python提供越来越多的技术来支持xml，本文旨在面向初学利用Python处理xml的读者，以教程的形式介绍一些基本的xml出来概念。前提是读者必须知道一些xml常用术语。
先决条件
本文所有的例子基于Python2.6.5，pyxml的最新版本为0.8.1， 该教程中的例子都需要导入minidom模块，所以在py文件中需要加入以下类似代码：
|
1
|
import xml.dom.minidom |
当然，你也可以从minidom模块中只导入你需要的类。你可以使用以下代码来查看该模块的内容：
|
1
|
dir(xml.dom.minidom) |
创建XML 文件
首先，正如前面所说的，导入minidom模块：
|
1
|
import xml.dom.minidom |
要创建XML文件，我们需要Document这个对象的实例：
|
1
2
|
def get_a_document(): doc = xml.dom.minidom.Document() |
当然这时候这个Document还没有任何内容，接下来我们将增加一些内容到文件中。
元素节点(Elements)
XML文件中有一个唯一的‘根元素节点’，其他子元素节点以及文本内容都是放在这个根元素的结构中。这里我们可以创建一个xml文件，用于描述一个 公司的某个部分，该文件的根元素节点命名为“business”，名字空间(namespace)设置 为：http://www.boddie.org.uk/paul/business。代码如下：
|
1
|
|
此刻我们已经创建了元素节点，但是还没有加入到Document中，我们需要把它添加到文档中：
|
1
|
doc.appendChild(business_element) |
最后在函数末尾返回我们创建的对象：
|
1
|
return doc, business_element |
为了便利，我把上面的代码综合起来：
|
1
2
3
4
5
|
def get_a_document(): doc = xml.dom.minidom.Document() doc.appendChild(business_element) return doc, business_element |
执行完上面的函数，那么根元素节点已经被添加Document中，我们可以通过查询元素节点信息：
>>> doc, business_element = get_a_document() >>> doc.childNodes [<DOM Element: business at 0x20ad0d0>]
当然你可以查询这个节点列表里面的具体信息，
>>> doc.childNodes[0].namespaceURI 'http://www.boddie.org.uk/paul/business'
最后查看下我们给元素节点设置的名字空间：
>>> doc.childNodes[0].localName 'business'
business也就是我们刚才设置的根元素节点名字。有时候这个localName很重要，我们可以从中知道是公司的那个部门，同样我们也可以像刚才那样用一个函数来添加localName:
|
1
2
|
def add_a_location(doc, business_element): |
添加元素节点作为子节点：
|
1
|
business_element.appendChild(location_element) |
最后返回：
|
1
|
return location_element |
有了以上这个函数，我们就可以向根元素节点添加新的元素节点：
>>> doc, business_element = get_a_document() >>> location_element = add_a_location(doc, business_element) >>> doc.childNodes [<DOM Element: business at 0x20dc5f8>]
同样我们也可以查看这个元素列表中更为详细的信息：
>>> doc.childNodes[0].namespaceURI 'http://www.boddie.org.uk/paul/business' >>> doc.childNodes[0].localName 'business'
文本
文本就是xml文件中的具体内容，通常被置于xml元素标签中。紧接着前面的例子，我们将添加元素节点”surrounding”作为location的子节点。作用就是用于描述location那个地方的周边环境。同样我们创建一个函数：
|
1
2
3
|
def add_surroundings(doc, location_element): surroundings_element = doc.createElementNS("http://www.boddie.org.uk/paul/business", "surroundings") location_element.appendChild(surroundings_element) |
然后添加文本内容：
|
1
|
description = doc.createTextNode("A quiet, scenic park with lots of wildlife.") |
把这个文本节点添加到surrounding中：
|
1
|
surroundings_element.appendChild(description) |
返回对象：
|
1
|
return surroundings_element |
我们可以从跟元素节点查询子节点信息：
>>> surroundings_element = add_surroundings(doc, location_element) >>> doc.childNodes[0].childNodes[0].childNodes[0].childNodes[0]
当然可以查看整个文本值：
>>> doc.childNodes[0].childNodes[0].childNodes[0].childNodes[0].nodeValue 'A quiet, scenic park with lots of wildlife.'
同样我们可以添加更多文本值：
|
1
2
3
|
def add_more_surroundings(doc, surroundings_element): description = doc.createTextNode(" It's usually sunny here, too.") surroundings_element.appendChild(description) |
来验证下结果：
>>> add_more_surroundings(doc, surroundings_element) >>> surroundings_element.childNodes [, , ]
有时候我们需要把这段文本组合在一起，该如何做呢？
|
1
2
|
def fix_element(element): element.normalize() |
结果为：
>>> fix_element(surroundings_element) >>> surroundings_element.childNodes[0].nodeValue "A quiet, scenic park with lots of wildlife. It's usually sunny here, too. It's usually sunny here, too."
属性
xml 中的元素节点通常附带有属性。比如刚才的’location’节点还有一个属性叫做’building’,这个元素的属性名称叫做’name’.
|
1
2
|
def add_building(doc, location_element): |
返回对象：
|
1
2
|
location_element.appendChild(building_element)return building_element |
这里我们注意到’building’同样作为’location’的字节点出现在’surrounding’之后。我们可以用如下方法确认：
>>> building_element = add_building(doc, location_element) >>> location_element.childNodes [<DOM Element: surroundings at 136727844>, <DOM Element: building at 136286548>]
这样之后我们可以直接添加属性：
|
1
2
|
def name_building(building_element): building_element.setAttributeNS("http://www.boddie.org.uk/paul/business", "business:name", "Ivory Tower") |
在名空间和元素节点以及文本值指定之后，我们还可以用以上方法添加其他属性：
>>> name_building(building_element)
>>> building_element.getAttributeNS("http://www.boddie.org.uk/paul/business", "name")
'Ivory Tower'
写XML文档
当你处理好以上xml内容，通常需要保存起来，所以一般是把内容写入文件。一个简单的方式是使用另外一个模块：
|
1
2
|
import xml.dom.extimport xml.dom.minidom |
导入这两个模块，就有很多可用的函数和类，这里我们使用PrettyPrint函数输出标准的xml结构：
|
1
2
|
def write_to_screen(doc): xml.dom.ext.PrettyPrint(doc) |
具体用法：
>>> from XML_intro.Writing import * >>> write_to_screen(doc)
<?xml version='1.0' encoding='UTF-8'?> <business xmlns='http://www.boddie.org.uk/paul/business' xmlns:business='http://www.boddie.org.uk/paul/business'> <location> <surroundings>A quiet, scenic park with lots of wildlife.</surroundings> <building business:name='Ivory Tower'/> </location> </business>
以上只是打印在屏幕上，最后完成输出文件：
|
1
2
3
4
|
def write_to_file(doc, name="/tmp/doc.xml"): file_object = open(name, "w") xml.dom.ext.PrettyPrint(doc, file_object) file_object.close() |
或者简单的：
|
1
2
|
def write_to_file_easier(doc, name="/tmp/doc.xml"): xml.dom.ext.PrettyPrint(doc, open(name, "w")) |
>>> write_to_file(doc)
读XML文件
接下来讲如何读取上面保存的xml文件：
|
1
2
3
|
import xml.dom.minidomdef get_a_document(name="/tmp/doc.xml"): return xml.dom.minidom.parse(name) |
如果已经存在存在xml可读对象：
|
1
2
|
def get_a_document_from_file(file_object): return xml.dom.minidom.parse(file_object) |
