python读xml

7007

　　什么是xml？
　　xml即可扩展标记语言，它可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。
　　abc.xml
　　<?xml version="1.0" encoding="utf-8"?>
　　<catalog>
　　<maxid>4</maxid>
　　<login username="pytest" passwd='123456'>
　　<caption>Python</caption>
　　<item id="4">
　　<caption>测试</caption>
　　</item>
　　</login>
　　<item id="2">
　　<caption>Zope</caption>
　　</item>
　　</catalog>
　　Ok ,从结构上，它很像我们常见的HTML超文本标记语言。但他们被设计的目的是不同的，超文本标记语言被设计用来显示数据，其焦点是数据的外观。它被设计用来传输和存储数据，其焦点是数据的内容。
　　那么它有如下特征：
　　首先，它是有标签对组成，<aa></aa>
　　标签可以有属性：<aa id=’123’></aa>
　　标签对可以嵌入数据：<aa>abc</aa>
　　标签可以嵌入子标签（具有层级关系）：
　　<aa>
　　<bb></bb>
　　</aa>
　　获得标签属性
　　那么，下面来介绍如何用python来读取这种类型的文件。
　　#coding=utf-8
　　import  xml.dom.minidom
　　#打开xml文档
　　dom = xml.dom.minidom.parse('abc.xml')
　　#得到文档元素对象
　　root = dom.documentElement
　　print root.nodeName
　　print root.nodeValue
　　print root.nodeType
　　print root.ELEMENT_NODE
　　mxl.dom.minidom 模块被用来处理xml文件，所以要先引入。
　　xml.dom.minidom.parse() 用于打开一个xml文件，并将这个文件对象dom变量。
　　documentElement 用于得到dom对象的文档元素，并把获得的对象给root
　　每一个结点都有它的nodeName，nodeValue，nodeType属性。
　　nodeName为结点名字。
　　nodeValue是结点的值，只对文本结点有效。
　　nodeType是结点的类型。catalog是ELEMENT_NODE类型
　　现在有以下几种：
　　'ATTRIBUTE_NODE'
　　'CDATA_SECTION_NODE'
　　'COMMENT_NODE'
　　'DOCUMENT_FRAGMENT_NODE'
　　'DOCUMENT_NODE'
　　'DOCUMENT_TYPE_NODE'
　　'ELEMENT_NODE'
　　'ENTITY_NODE'
　　'ENTITY_REFERENCE_NODE'
　　'NOTATION_NODE'
　　'PROCESSING_INSTRUCTION_NODE'
　　'TEXT_NODE'
　　NodeTypes - 有名常数
　　http://www.w3school.com.cn/xmldom/dom_nodetype.asp
　　获得子标签
　　现在要获得catalog的子标签以的标签name
　　<?xml version="1.0" encoding="utf-8"?>
　　<catalog>
　　<maxid>4</maxid>
　　<login username="pytest" passwd='123456'>
　　<caption>Python</caption>
　　<item id="4">
　　<caption>测试</caption>
　　</item>
　　</login>
　　<item id="2">
　　<caption>Zope</caption>
　　</item>
　　</catalog>
　　对于知道元素名字的子元素，可以使用getElementsByTagName方法获取：
　　#coding=utf-8
　　import  xml.dom.minidom
　　#打开xml文档
　　dom = xml.dom.minidom.parse('abc.xml')
　　#得到文档元素对象
　　root = dom.documentElement
　　bb = root.getElementsByTagName('maxid')
　　b= bb[0]
　　print b.nodeName
　　bb = root.getElementsByTagName('login')
　　b= bb[0]
　　print b.nodeName
　　如何区分相同标签名字的标签：
　　<?xml version="1.0" encoding="utf-8"?>
　　<catalog>
　　<maxid>4</maxid>
　　<login username="pytest" passwd='123456'>
　　<caption>Python</caption>
　　<item id="4">
　　<caption>测试</caption>
　　</item>
　　</login>
　　<item id="2">
　　<caption>Zope</caption>
　　</item>
　　</catalog>
　　<caption>和<item>标签不止一个如何区分？
　　#coding=utf-8
　　import  xml.dom.minidom
　　#打开xml文档
　　dom = xml.dom.minidom.parse('abc.xml')
　　#得到文档元素对象
　　root = dom.documentElement
　　bb = root.getElementsByTagName('caption')
　　b= bb[2]
　　print b.nodeName
　　bb = root.getElementsByTagName('item')
　　b= bb[1]
　　print b.nodeName
　　root.getElementsByTagName('caption') 获得的是标签为caption 一组标签，b[0]表示一组标签中的第一个；b[2] ，表示这一组标签中的第三个。
　　获得标签属性值
　　<?xml version="1.0" encoding="utf-8"?>
　　<catalog>
　　<maxid>4</maxid>
　　<login username="pytest" passwd='123456'>
　　<caption>Python</caption>
　　<item id="4">
　　<caption>测试</caption>
　　</item>
　　</login>
　　<item id="2">
　　<caption>Zope</caption>
　　</item>
　　</catalog>
　　<login>和<item>标签是有属性的，如何获得他们的属性？
　　#coding=utf-8
　　import  xml.dom.minidom
　　#打开xml文档
　　dom = xml.dom.minidom.parse('abc.xml')
　　#得到文档元素对象
　　root = dom.documentElement
　　itemlist = root.getElementsByTagName('login')
　　item = itemlist[0]
　　un=item.getAttribute("username")
　　print un
　　pd=item.getAttribute("passwd")
　　print pd
　　ii = root.getElementsByTagName('item')
　　i1 = ii[0]
　　i=i1.getAttribute("id")
　　print i
　　i2 = ii[1]
　　i=i2.getAttribute("id")
　　print i
　　getAttribute方法可以获得元素的属性所对应的值。
　　获得标签对之间的数据
　　<?xml version="1.0" encoding="utf-8"?>
　　<catalog>
　　<maxid>4</maxid>
　　<login username="pytest" passwd='123456'>
　　<caption>Python</caption>
　　<item id="4">
　　<caption>测试</caption>
　　</item>
　　</login>
　　<item id="2">
　　<caption>Zope</caption>
　　</item>
　　</catalog>
　　<caption>标签对之间是有数据的，如何获得这些数据？
　　获得标签对之间的数据有多种方法，
　　方法一
　　#coding=utf-8
　　import  xml.dom.minidom
　　#打开xml文档
　　dom = xml.dom.minidom.parse('abc.xml')
　　#得到文档元素对象
　　root = dom.documentElement
　　cc=dom.getElementsByTagName('caption')
　　c1=cc[0]
　　print c1.firstChild.data
　　c2=cc[1]
　　print c2.firstChild.data
　　c3=cc[2]
　　print c3.firstChild.data
　　firstChild 属性返回被选节点的第一个子节点，.data表示获取该节点人数据。
　　方法二
　　#coding=utf-8
　　from xml.etree import ElementTree as ET
　　per=ET.parse('abc.xml')
　　p=per.findall('./login/item')
　　for oneper in p:
　　for child in oneper.getchildren():
　　print child.tag,':',child.text
　　p=per.findall('./item')
　　for oneper in p:
　　for child in oneper.getchildren():
　　print child.tag,':',child.text
　　方法二有点复杂，所引用模块也与前面的不一样，findall用于指定在哪一级标签下开始遍历。
　　getchildren方法按照文档顺序返回所有子标签。并输出标签名（child.tag）和标签的数据（child.text）
　　其实，方法二的作用不在于此，它核心功能是可以遍历某一级标签下的所有子标签。