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

复制代码 代码如下:


   Book message
   
        bookone
        python check
        001
        200
   

   
        booktwo
        python learn
        002
        300
   

（１）创建ＤＯＭ对象

复制代码 代码如下:
import xml.dom.minidom
dom1=xml.dom.minidom.parse(\’book.xml\’)

（２）获取根字节

root=dom1.documentElement #这里得到的是根节点
print root.nodeName,\’,\’,root.nodeValue,\’,\’,root.nodeType

返回结果为：

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：

（3）子元素、子节点的访问

Ａ、返回root子节点列表

复制代码 代码如下:
import xml.dom.minidom
dom1=xml.dom.minidom.parse(\’book.xml\’)
root=dom1.documentElement
#print root.nodeName,\’,\’,root.nodeValue,\’,\’,root.nodeType
print root.childNodes

运行结果为：

[, , , , , , ]

Ｂ、获取XML节点值，如返回根节点下第二个子节点intro的值和名字，添加下面一句

复制代码 代码如下:
print root.childNodes[1].nodeName,root.childNodes[1].nodeValue

运行结果为：

intro None

Ｃ、访问第一个节点

复制代码 代码如下:
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：

复制代码 代码如下:
import xml.dom.minidom
dom1=xml.dom.minidom.parse(\’book.xml\’)
root=dom1.documentElement
#print root.nodeName,\’,\’,root.nodeValue,\’,\’,root.nodeType
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：

复制代码 代码如下:
#@小五义 http://www.cnblogs.com/xiaowuyi
#xml 解析

import xml.dom.minidom
dom1=xml.dom.minidom.parse(\’book.xml\’)
root=dom1.documentElement
book={}
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

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：

复制代码 代码如下:
#@小五义 http://www.cnblogs.com/xiaowuyi
#xml 解析

import xml.dom.minidom
dom1=xml.dom.minidom.parse(\’book.xml\’)
root=dom1.documentElement
book={}
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，方法直接对每一个节点进行操作，更加清晰。为了更加方法程序的调用，可以使用一个list加一个字典进行存储，具体见方法3：

复制代码 代码如下:
#@小五义 http://www.cnblogs.com/xiaowuyi
#xml 解析
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：

[{\’head\’: u\’bookone\’, \’page\’: u\’200\’, \’number\’: u\’001\’, \’id\’: u\’001\’, \’name\’: u\’python check\’}, {\’head\’: u\’booktwo\’, \’page\’: u\’300\’, \’number\’: u\’002\’, \’id\’: u\’002\’, \’name\’: u\’python learn\’}]

该列表里包含了两个字典。

三、建立ＸＭＬ文件
这里用方法三得到的结果，建立一个xml文件。

复制代码 代码如下:
# -*- coding: cp936 -*-
#@小五义 http://www.cnblogs.com/xiaowuyi
#xml 创建

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=[{\’head\’: u\’bookone\’, \’page\’: u\’200\’, \’number\’: u\’001\’, \’id\’: u\’001\’, \’name\’: u\’python check\’}, {\’head\’: u\’booktwo\’, \’page\’: u\’300\’, \’number\’: u\’002\’, \’id\’: u\’002\’, \’name\’: u\’python learn\’}]
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

复制代码 代码如下:
import xml.etree.ElementTree
root=xml.etree.ElementTree.parse(\’book.xml\’)

方法二：加载指定字符串

复制代码 代码如下:
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\”)

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：

复制代码 代码如下:
#@小五义 http://www.cnblogs.com/xiaowuyiimport 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：

复制代码 代码如下:
# -*- coding: cp936 -*-
#@小五义
import xml.etree.ElementTree
root=xml.etree.ElementTree.parse(\’book.xml\’)
book_find=root.find(\’list\’)
for note in book_find:
    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：

复制代码 代码如下:
# -*- coding: cp936 -*-
#@小五义
import xml.etree.ElementTree
root=xml.etree.ElementTree.parse(\’book.xml\’)
book=root.findall(\’list\’)
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

复制代码 代码如下:
# -*- coding: cp936 -*-
#@小五义
import xml.etree.ElementTree
root=xml.etree.ElementTree.parse(\’book.xml\’)
book=root.findall(\’list\’)
for book_list in book:
    print \’=\’*20
    if  book_list.attrib.has_key(\’id\’):
        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bookone中的bookone用text方法。
当要获取节点名时，用tag方法。