python31高级[读写xml]

时间：2011-01-06 来源：iTech

一 python提供的xml支持
2种工业标准的xml解析方法-SAX和DOM。SAX（simple API for XML），是基于事件处理的，当XML文档顺序地读入时，每次遇到一个元素会触发相应的事件处理函数来处理。DOM（Document Object Model），通过构建一个树结构来表现整个xml文档，一旦树被构建，可以通过DOM提供了接口来遍历树和提取相应的数据。

python还提供了python独特的xml解析方法，相比于SAX和DOM更容易使用和更加快速，此方法为ElementTree。

python的xml模块为：

1)xml.dom.minidom

2)xml.elementtree

3)xml.sax + xml.dom

二 xml实例：（employees.xml）

<?xml version="1.0" encoding="UTF-8"?> <employees> <employee> <name>linux</name> <age>30</age> </employee> <employee> <name>windows</name> <age>20</age> </employee> </employees>

三使用xml.dom.minidom来读写xml

1）使用xml.dom.minidom来解析xml：

def TestMiniDom():
  from xml.dom import minidom
  doc = minidom.parse("employees.xml")

  # get root element: <employees/>
  root = doc.documentElement

  # get all children elements: <employee/> <employee/>
  employees = root.getElementsByTagName("employee")

  for employee in employees:
    print("-------------------------------------------")
    # element name : employee
    print (employee.nodeName)
    # element xml content : <employee><name>windows</name><age>20</age></employee>
    # basically equal to toprettyxml function
    print (employee.toxml())

    nameNode = employee.getElementsByTagName("name")[0]
    print (nameNode.childNodes)
    print (nameNode.nodeName + ":" + nameNode.childNodes[0].nodeValue)
    ageNode = employee.getElementsByTagName("age")[0]
    print (ageNode.childNodes)
    print (ageNode.nodeName + ":" + ageNode.childNodes[0].nodeValue)

    print("-------------------------------------------")
    # children nodes :  \n is one text element
    # [
    # <DOM Text node "' \n    '">,
    # <DOM Element: name at 0xc9e490>,
    # <DOM Text node "'\n    '">,
    # <DOM Element: age at 0xc9e4f0>,
    # <DOM Text node "'\n  '">
    # ]
    for n in employee.childNodes:
      print (n)

TestMiniDom()

运行结果：

-------------------------------------------
employee
<employee>
    <name>linux</name>
    <age>30</age>
  </employee>
[<DOM Text node "'linux'">]
name:linux
[<DOM Text node "'30'">]
age:30
-------------------------------------------
<DOM Text node "' \n    '">
<DOM Element: name at 0xc9f590>
<DOM Text node "'\n    '">
<DOM Element: age at 0xc9f5f0>
<DOM Text node "'\n  '">
-------------------------------------------
employee
<employee>
    <name>windows</name>
    <age>20</age>
  </employee>
[<DOM Text node "'windows'">]
name:windows
[<DOM Text node "'20'">]
age:20
-------------------------------------------
<DOM Text node "' \n    '">
<DOM Element: name at 0xc9f6b0>
<DOM Text node "'\n    '">
<DOM Element: age at 0xc9f710>
<DOM Text node "'\n  '">

2）使用xml.dom.minidom来生成xml:

def GenerateXml():
  import xml.dom.minidom
  impl = xml.dom.minidom.getDOMImplementation()
  dom = impl.createDocument(None, 'employees', None)
  root = dom.documentElement
  employee = dom.createElement('employee')
  root.appendChild(employee)

  nameE=dom.createElement('name')
  nameT=dom.createTextNode('linux')
  nameE.appendChild(nameT)
  employee.appendChild(nameE)

  ageE=dom.createElement('age')
  ageT=dom.createTextNode('30')
  ageE.appendChild(ageT)
  employee.appendChild(ageE)


  f= open('employees2.xml', 'w', encoding='utf-8')
  dom.writexml(f, addindent='  ', newl='\n',encoding='utf-8')
  f.close()

GenerateXml()

运行结果：

<?xml version="1.0" encoding="utf-8"?>
<employees>
  <employee>
    <name>
      linux
    </name>
    <age>
      30
    </age>
  </employee>
</employees>

3）使用xml.dom.minidom需要注意的

*使用parse()或createDocument()返回的为DOM对象；
*使用DOM的documentElement属性可以获得Root Element;
*DOM为树形结构，包含许多的nodes，其中element是node的一种，可以包含子elements，textNode也是node的一种，是最终的子节点；
*每个node都有nodeName，nodeValue，nodeType属性，nodeValue是结点的值，只对textNode有效。对于textNode，想得到它的文本内容可以使用: .data属性。
*nodeType是结点的类型，现在有以下：

'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'
*getElementsByTagName()可以根据名字来查找子elements；
*childNodes返回所有的子Nodes，其中所有的文本均为textNode，包含元素间的‘\n\r’和空格均为textNode；
*writexml()时addindent=' '表示子元素的缩进，newl='\n'表示元素间的换行，encoding='utf-8'表示生成的xml的编码格式（<?xml version="1.0" encoding="utf-8"?>）。

参考：

http://boyeestudio.cnblogs.com/archive/2005/08/16/216408.html

http://www.dnbcw.com/biancheng/python/pnwb252539.html

http://blog.csdn.net/kiki113/archive/2009/04/15/4080789.aspx

完