python解析.xml文件-- xmltodict模块（第三方）

第一part:XML文件介绍

---

 

1.XML的定义： 指可扩展标记语言（EXtensible Markup Language）。

2.XML的特点：

1）XML 是一种很像HTML的标记语言；
2）XML 的设计宗旨是传输数据，而不是显示数据；
3）XML 标签没有被预定义，需要自行定义标签；
4）XML 被设计为具有自我描述性；
5）XML 是 W3C 的推荐标准。

3.XML的用途：

1）XML把数据从HTML分离；
2）XML简化数据共享；
3）XML简化数据传输；
4）XML简化平台变更；
5）XML使您的数据更有用；
6）XML用于创建新的互联网语言。

4.XML的文件内容结构：

元素：指从开始标签到结束标签的部分（均包括开始和结束），一个元素可以包括：子元素，属性和文本。

子元素
<people>
<name></name>
</people>
属性
<sex=’男’></sex>
文本
<age>12</age>

5.XML语法规则：

1）所有的元素都必须有开始标签和结束标签，省略结束标签是非法的；
2）大小写敏感，（比如：<people></people>和<People></People>是两个不同的标签；
3）xml文档必须有根元素；
4）XML必须正确嵌套，父元素必须完全包住子元素；
5）XML属性值必须加引号，元素的属性值都是一个键值对形式。

---

 

第二part:Python对XML的解析的方法

---

常见的XML编程接口有DOM和SAX,这两种接口处理XML文件的方式不同， 使用场合也不同。

python有三种方法解析XML：SAX，DOM和ElementTree

1）DOM(Document Object Model)：
DOM的解析器在解析一个XML文档时，一次性读取整个文档，把文档中所有元素保存在内存中的一个树结构里，之后利用DOM提供的不同函数来读取该文档的内容和结构，也可以把修改过的内容写入XML文件。由于DOM是将XML读取到内存，然后解析成一个树，如果要处理的XML文本比较大的话，就会很耗内存，所以DOM一般偏向于处理一些小的XML，（如配置文件）比较快。

2）SAX(simple API for XML)：
Python标准库中包含SAX解析器，SAX是用的是事件驱动模型，通过在解析XML过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。

3）ElementTree(元素树)
ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。

xml.dom解析XML详解介绍：

1)先定义一个data4.xml文件，如下：

2）安装xmltodict第三方模块：安装的方式有两种，一种是通过命令行 pip install  xmltodict；第二种是通过pycharm的settings中搜索安装该模块

3）解析代码：

#导包
import xmltodict
import json
with open("data4.xml",encoding="utf-8") as fp:
    # 参数可以是字符串也可以是文件流对象
    get_xml=xmltodict.parse(fp.read()) 
    print(get_xml)
    print("根标签的属性：",get_xml["people_info"]['@name'])
    print("根标签下people_1子标签hegiht属性值：",get_xml["people_info"]["people_1"]["@height"])
    fp.seek(0)
    #可以直接将结果转换成json格式
    print(json.dumps(xmltodict.parse(fp.read()),ensure_ascii=False))

执行结果如下：

 

 

4）需求：需要对data4.xml文件中的所有根标签下的以people开头的子标签文本内容全部以字典的形式定义成一组数据，最后全部写入到一个列表中；代码如下：

#导包
import xmltodict
import json
def get_xml_data(input):
    '''
    :param input: 传入键的开头值
    :return: 
    '''
    list1=[]
    with open("data4.xml",encoding="utf-8") as fp:
        #解析xml得到字典格式;存在根标签
        get_result=json.loads(json.dumps(xmltodict.parse(fp.read()),ensure_ascii=False))
        #取到根标签的值然后进行遍历键和值，然后再根据键以people开头的标签取出对应的值
        for key,value in list(get_result.values())[0].items():
            dict1={}
            if str(key).startswith(input):
                #子标签可能存在属性，属性一般通过xmltodict转换后得到的通常都是以@开头的
                for get_key,get_value in value.items():
                    if not str(get_key).startswith("@"):
                        dict1[get_key]=get_value
                list1.append(dict1)
    return list1

#调用测试代码
print(get_xml_data("people"))

执行结果，如下：