python网络编程学习笔记（8）：XML生成与解析（DOM、ElementTree）

fateame

　　转载请注明：@小五义http://www.iyunv.com/xiaowuyi
　　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





Book message

bookone
python check
001
200


booktwo
python learn
002
300


　　
　　（１）创建ＤＯＭ对象



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：
　　

NodeType	Named Constant
1	ELEMENT_NODE
2	ATTRIBUTE_NODE
3	TEXT_NODE
4	CDATA_SECTION_NODE
5	ENTITY_REFERENCE_NODE
6	ENTITY_NODE
7	PROCESSING_INSTRUCTION_NODE
8	COMMENT_NODE
9	DOCUMENT_NODE
10	DOCUMENT_TYPE_NODE
11	DOCUMENT_FRAGMENT_NODE
12	NOTATION_NODE

　　（3）子元素、子节点的访问
　　Ａ、返回root子节点列表



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



print root.childNodes[1].nodeName,root.childNodes[1].nodeValue
　　
　　运行结果为：
　　intro None
　　Ｃ、访问第一个节点



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：



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：



#@小五义 http://www.iyunv.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：



#@小五义 http://www.iyunv.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：



#@小五义 http://www.iyunv.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。



# -*- coding: cp936 -*-
#@小五义 http://www.iyunv.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



import xml.etree.ElementTree
root=xml.etree.ElementTree.parse('book.xml')
　　方法二：加载指定字符串



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：



#@小五义 http://www.iyunv.com/xiaowuyi
import 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：



# -*- coding: cp936 -*-
#@小五义 http://www.iyunv.com/xiaowuyi
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：



# -*- coding: cp936 -*-
#@小五义 http://www.iyunv.com/xiaowuyi
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



# -*- coding: cp936 -*-
#@小五义 http://www.iyunv.com/xiaowuyi
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。