【下载文档:  python网络编程学习笔记(八)：XML生成与解析（DOM、ElementTree）.txt 】

---

python网络编程学习笔记(八)：XML生成与解析（DOM、ElementTree）
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.minidomdom1=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.nodeNameNone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
复制代码 代码如下:import xml.dom.minidomdom1=xml.dom.minidom.parse('book.xml')root=dom1.documentElement#print root.nodeName,',',root.nodeValue,',',root.nodeTypeprint 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.minidomdom1=xml.dom.minidom.parse('book.xml')root=dom1.documentElement#print root.nodeName,',',root.nodeValue,',',root.nodeTypenode= 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.minidomdom1=xml.dom.minidom.parse('book.xml')root=dom1.documentElementbook={}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.minidomdom1=xml.dom.minidom.parse('book.xml')root=dom1.documentElementbook={}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.domdef 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.ElementTreeroot=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.ElementTreeroot = 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.ElementTreeroot=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.ElementTreeroot=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.ElementTreeroot=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.ElementTreeroot=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.textprint '='*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。