Python操作XML文件一文通

短命女 2024-02-05 23:17 11阅读 0赞

我们经常需要解析用不同语言编写的数据，Python 提供了许多第三方库来解析或拆分用其他语言编写的数据，今天我们来学习下 Python XML 解析器的相关功能。

下面一起来看看吧~

### **什么是 XML？** ###

XML 是可扩展标记语言，它在外观上类似于 HTML，但 XML 用于数据表示，而 HTML 用于定义正在使用的数据。XML 专门设计用于在客户端和服务器之间来回发送和接收数据。看看下面的例子：

<?xml version="1.0" encoding="UTF-8"?>
    <metadata>
    <food>
        <item name="breakfast">Idly</item>
        <price>$2.5</price>
        <description>
       Two idly's with chutney
       </description>
        <calories>553</calories>
    </food>
    <food>
        <item name="breakfast">Paper Dosa</item>
        <price>$2.7</price>
        <description>
        Plain paper dosa with chutney
        </description>
        <calories>700</calories>
    </food>
    <food>
        <item name="breakfast">Upma</item>
        <price>$3.65</price>
        <description>
        Rava upma with bajji
        </description>
        <calories>600</calories>
    </food>
    <food>
        <item name="breakfast">Bisi Bele Bath</item>
        <price>$4.50</price>
        <description>
       Bisi Bele Bath with sev
        </description>
        <calories>400</calories>
    </food>
    <food>
        <item name="breakfast">Kesari Bath</item>
        <price>$1.95</price>
        <description>
        Sweet rava with saffron
        </description>
        <calories>950</calories>
    </food>
    </metadata>

上面的示例显示了命名为“Sample.xml”的文件的内容，后面的代码示例都会基于此 XML 例子来进行。

### **Python XML 解析模块** ###

Python 允许使用两个模块解析这些 XML 文档，即 xml.etree.ElementTree 模块和 Minidom（最小 DOM 实现）。解析意味着从文件中读取信息，并通过识别特定 XML 文件的各个部分将其拆分为多个片段。让我们进一步了解如何使用这些模块来解析 XML 数据。

### **xml.etree.ElementTree 模块：** ###

该模块帮助我们将 XML 数据格式化为树结构，这是分层数据的最自然表示。元素类型允许在内存中存储分层数据结构，并具有以下属性：

<table style="width:656px;"> 
 <thead> 
  <tr> 
   <th>Property</th> 
   <th>Description</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>Tag</td> 
   <td>一个字符串，表示正在存储的数据类型</td> 
  </tr> 
  <tr> 
   <td>Attributes</td> 
   <td>由存储为字典的许多属性组成</td> 
  </tr> 
  <tr> 
   <td>Text String</td> 
   <td>包含需要显示的信息的文本字符串</td> 
  </tr> 
  <tr> 
   <td>Tail String</td> 
   <td>如有必要，也可以有尾弦</td> 
  </tr> 
  <tr> 
   <td>Child Elements</td> 
   <td>由许多存储为序列的子元素组成</td> 
  </tr> 
 </tbody> 
</table>

ElementTree 是一个封装元素结构并允许与 XML 相互转换的类，现在让我们尝试使用 python 模块解析上述 XML 文件。

有两种方法可以使用ElementTree模块解析文件。

第一个是使用 parse() 函数，第二个是 fromstring() 函数。parse() 函数解析作为文件提供的 XML 文档，而 fromstring 在作为字符串提供时解析 XML，即在三引号内。

### **使用 parse() 函数：** ###

如前所述，该函数采用文件格式的 XML 进行解析，看看下面的例子：

import xml.etree.ElementTree as ET
    mytree = ET.parse('sample.xml')
    myroot = mytree.getroot()

我们需要做的第一件事是导入 xml.etree.ElementTree 模块，然后使用 parse() 方法解析“Sample.xml”文件，getroot() 方法返回“Sample.xml”的根元素。

当执行上述代码时，我们不会看到返回的输出，但只要不会有错误就表明代码已成功执行。要检查根元素，可以简单地使用 print 语句，如下所示：

import xml.etree.ElementTree as ET
    mytree = ET.parse('sample.xml')
    myroot = mytree.getroot()
    print(myroot)

Output:

<Element ‘metadata’ at 0x033589F0>

上面的输出表明我们的 XML 文档中的根元素是“元数据”。

### **使用 fromstring() 函数** ###

我们还可以使用 fromstring() 函数来解析字符串数据，我们需要将 XML 作为三引号内的字符串传递，如下所示：

import xml.etree.ElementTree as ET
    data='''<?xml version="1.0" encoding="UTF-8"?>
    <metadata>
    <food>
        <item name="breakfast">Idly</item>
        <price>$2.5</price>
        <description>
       Two idly's with chutney
       </description>
        <calories>553</calories>
    </food>
    </metadata>
    '''
    myroot = ET.fromstring(data)
    #print(myroot)
    print(myroot.tag)

上面的代码将返回与前一个相同的输出，用作字符串的 XML 文档只是“Sample.xml”的一部分，已将其用于提高可见性，也可以使用完整的 XML 文档。

还可以使用“标签”对象检索根标签，如下所示：

print(myroot.tag)

Output:

metadata

还可以通过仅指定要在输出中看到的字符串部分来对标记字符串输出进行切片。

print(myroot.tag[0:4])

Output: