代码收藏家 Python XML解析教程
文章目录
什么是 XML？
XML，即可扩展标记语言（eXtensible Markup Language），是一种用于存储和传输数据的标记语言。XML与HTML（超文本标记语言）相似，但XML的设计目的是传输数据，而不是显示数据。XML使用标签来描述数据，这些标签通常由用户定义，以便于数据的存储和交换。
以下是XML的一些关键特点：
Python 对 XML 的解析
Python有多个库可以用来解析XML（可扩展标记语言），这些库提供了不同的功能和API，以满足各种需求。以下是几个常用的Python库，用于解析XML：
1.xml.etree.ElementTree：
2.lxml：
pip install lxml
3.xml.dom：
4.xmltodict：
pip install xmltodict
5.cElementTree：
pip install cElementTree
下面是一个使用xml.etree.ElementTree库解析XML的基本示例：
import xml.etree.ElementTree as ET
# 假设我们有一个XML字符串
xml_data = """
<book>
<title lang="en">Good Omens</title>
<author>
<name>Neil Gaiman</name>
<name>Terry Pratchett</name>
</author>
<year>1990</year>
</book>
"""
# 使用ElementTree解析XML
root = ET.fromstring(xml_data)
# 访问根元素
print("Root element:", root.tag)
# 访问title元素
title = root.find("title")
print("Title:", title.text)
# 访问author元素
author = root.find("author")
print("Author:", author.text)
# 访问name元素
names = list(author.findall("name"))
print("Names:", [name.text for name in names])
Python 使用 ElementTree 解析 xml
xml.etree.ElementTree模块是一个用于解析和创建XML文档的库。它是Python标准库的一部分，因此不需要单独安装。以下是如何使用ElementTree模块解析XML文档的基本步骤：
导入库
首先，你需要导入xml.etree.ElementTree模块。
import xml.etree.ElementTree as ET
解析XML字符串
你可以使用ElementTree的fromstring方法来解析一个字符串形式的XML。
xml_string = """
<book>
<title lang="en">Good Omens</title>
<author>
<name>Neil Gaiman</name>
<name>Terry Pratchett</name>
</author>
<year>1990</year>
</book>
"""
root = ET.fromstring(xml_string)
访问元素
一旦你有了根元素，你就可以使用各种方法来访问和操作XML文档中的元素。
# 获取根元素的标签
print(root.tag)
# 获取根元素的文本内容
print(root.text)
# 获取根元素的属性
print(root.attrib)
# 查找第一个title元素
title = root.find("title")
print(title.text)
# 查找所有author元素
authors = root.findall("author")
for author in authors:
print("Author:", author.text)
修改元素
你也可以修改解析后的XML元素。
# 修改title元素的文本内容
title.text = "The Nice and Accurate Prophecies of Agnes Nutter, Witch"
# 添加一个新的元素
new_year = ET.SubElement(root, "year")
new_year.text = "2006"
生成XML字符串
你可以使用ElementTree的方法将修改后的元素转换回XML字符串。
# 将修改后的元素转换为字符串
new_xml_string = ET.tostring(root, encoding="unicode")
print(new_xml_string)
Python 使用 SAX 解析 xml
SAX（Simple API for XML）是一种基于事件的XML解析方法。与DOM（文档对象模型）不同，SAX不构建整个XML文档的树状结构，而是在读取XML文档时逐行处理。这种方法通常比DOM更快，因为它不需要在内存中存储整个文档。
要在Python中使用SAX解析XML，你可以使用xml.sax模块。以下是如何使用SAX解析器来处理XML文档的基本步骤：
导入SAX解析器
首先，你需要导入xml.sax模块，并创建一个解析器。
from xml.sax import make_parser
创建一个处理器
处理器是一个实现了特定接口的类，它知道如何处理XML文档中的事件。
class XMLHandler(object):
def __init__(self):
self.current_data = ""
self.stack = []
def startElement(self, tag, attributes):
self.stack.append(tag)
self.current_data += f"<{'><'.join(self.stack)}>"
def endElement(self, tag):
self.stack.pop()
self.current_data += f"</{tag}>"
def charData(self, data):
self.current_data += data
# 实例化处理器
handler = XMLHandler()
创建一个解析器并设置处理器
创建一个SAX解析器，并将处理器传递给它。
parser = make_parser()
parser.setContentHandler(handler)
解析XML文档
使用解析器解析XML文档。
xml_data = """
<book>
<title lang="en">Good Omens</title>
<author>
<name>Neil Gaiman</name>
<name>Terry Pratchett</name>
</author>
<year>1990</year>
</book>
"""
# 解析XML数据
parser.feed(xml_data)
获取解析结果
解析完成后，你可以从处理器中获取解析结果。
print(handler.current_data)
Python 解析XML实例
下面是一个完整的Python脚本，它使用xml.etree.ElementTree模块来解析一个XML文件，并打印出文件中的所有书籍信息。这个例子假设XML文件中包含了一个根元素，以及多个子元素，每个子元素都有
import xml.etree.ElementTree as ET
# 定义一个函数来解析XML文件
def parse_xml(file_path):
# 解析XML文件
tree = ET.parse(file_path)
# 获取根元素
root = tree.getroot()
# 遍历所有书籍
for book in root.findall('book'):
# 获取并打印书籍的标题
title = book.find('title').text
print(f"Title: {title}")
# 获取并打印书籍的作者
author = book.find('author').text
print(f"Author: {author}")
# 获取并打印书籍的年份
year = book.find('year').text
print(f"Year: {year}")
print("---" * 10) # 打印分隔线
# 调用函数解析XML文件
# 请确保XML文件路径正确，例如: 'books.xml'
parse_xml('books.xml')
请确保将’books.xml’替换为你的XML文件的实际路径。XML文件应该有一个根元素，如下所示：
<books>
<book>
<title lang="en">Good Omens</title>
<author>Neil Gaiman and Terry Pratchett</author>
<year>1990</year>
</book>
<book>
<title lang="en">The Hitchhiker's Guide to the Galaxy</title>
<author>Douglas Adams</author>
<year>1979</year>
</book>
<!-- ...更多书籍... -->
</books>
运行这个脚本后，它将解析XML文件，并打印出每本书的标题、作者和年份。
使用xml.dom解析xml
除了xml.etree.ElementTree模块，你还可以使用xml.dom模块来解析XML。xml.dom是基于DOM（文档对象模型）的，它允许你以编程方式访问XML文档的结构。以下是使用xml.dom解析XML文档的基本步骤：
导入库
首先，你需要导入xml.dom模块。
from xml.dom import minidom
解析XML字符串
你可以使用minidom的parseString方法来解析一个字符串形式的XML。
xml_string = """
<book>
<title lang="en">Good Omens</title>
<author>
<name>Neil Gaiman</name>
<name>Terry Pratchett</name>
</author>
<year>1990</year>
</book>
"""
# 解析XML字符串
dom = minidom.parseString(xml_string)
访问元素
一旦你有了DOM对象，你就可以使用各种方法来访问和操作XML文档中的元素。
# 获取根元素
root = dom.documentElement
# 获取所有book元素
books = root.getElementsByTagName("book")
# 遍历所有book元素
for book in books:
title = book.getElementsByTagName("title")[0].firstChild.data
author = book.getElementsByTagName("author")[0].firstChild.data
year = book.getElementsByTagName("year")[0].firstChild.data
print(f"Title: {title}")
print(f"Author: {author}")
print(f"Year: {year}")
print("---" * 10) # 打印分隔线
修改元素
你也可以修改解析后的XML元素，但请注意，xml.dom不支持动态修改文档结构。通常，你需要先将DOM转换为字符串，进行所需的修改，然后再解析回DOM。
生成XML字符串
你可以使用minidom的toprettyxml方法将DOM对象转换为格式化的XML字符串。
# 将DOM对象转换为字符串
pretty_xml_string = dom.toprettyxml()
print(pretty_xml_string)
作者：十点 vha
