title中文 - 如何解析Python中的XML?




spyder matplotlib中文 (8)

Python有一個expat xml解析器的接口。

xml.parsers.expat

這是一個不驗證的解析器,所以不好的xml不會被捕獲。 但是如果你知道你的文件是正確的,那麼這是非常好的,你可能會得到你想要的確切信息,並且你可以隨時放棄其他的信息。

stringofxml = """<foo>
    <bar>
        <type arg="value" />
        <type arg="value" />
        <type arg="value" />
    </bar>
    <bar>
        <type arg="value" />
    </bar>
</foo>"""
count = 0
def start(name, attr):
    global count
    if name == 'type':
        count += 1

p = expat.ParserCreate()
p.StartElementHandler = start
p.Parse(stringofxml)

print count # prints 4

我在包含xml的數據庫中有很多行,並且我正在嘗試編寫一個Python腳本,它將通過這些行併計算出特定節點屬性的實例數。 例如,我的樹看起來像:

<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>

我如何使用Python訪問XML中的屬性1和2?


lxml.objectify非常簡單。

以您的示例文本:

from lxml import objectify
from collections import defaultdict

count = defaultdict(int)

root = objectify.fromstring(text)

for item in root.bar.type:
    count[item.attrib.get("foobar")] += 1

print dict(count)

輸出:

{'1': 1, '2': 1}

你可以使用BeautifulSoup

from bs4 import BeautifulSoup

x="""<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>"""

y=BeautifulSoup(x)
>>> y.foo.bar.type["foobar"]
u'1'

>>> y.foo.bar.findAll("type")
[<type foobar="1"></type>, <type foobar="2"></type>]

>>> y.foo.bar.findAll("type")[0]["foobar"]
u'1'
>>> y.foo.bar.findAll("type")[1]["foobar"]
u'2'

我可能會建議declxml

完全披露:我編寫這個庫是因為我正在尋找一種在XML和Python數據結構之間進行轉換的方法,而無需使用ElementTree編寫數十行命令式解析/序列化代碼。

使用declxml,您可以使用處理器來聲明性地定義XML文檔的結構以及如何在XML和Python數據結構之間進行映射。 處理器用於序列化和解析以及基本驗證級別。

解析Python數據結構非常簡單:

import declxml as xml

xml_string = """
<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>
"""

processor = xml.dictionary('foo', [
    xml.dictionary('bar', [
        xml.array(xml.integer('type', attribute='foobar'))
    ])
])

xml.parse_from_string(processor, xml_string)

哪個產生輸出:

{'bar': {'foobar': [1, 2]}}

您也可以使用相同的處理器將數據序列化為XML

data = {'bar': {
    'foobar': [7, 3, 21, 16, 11]
}}

xml.serialize_to_string(processor, data, indent='    ')

其中產生以下輸出

<?xml version="1.0" ?>
<foo>
    <bar>
        <type foobar="7"/>
        <type foobar="3"/>
        <type foobar="21"/>
        <type foobar="16"/>
        <type foobar="11"/>
    </bar>
</foo>

如果您想使用對象而不是字典,則可以定義處理器以將數據轉換為對像或從對象轉換數據。

import declxml as xml

class Bar:

    def __init__(self):
        self.foobars = []

    def __repr__(self):
        return 'Bar(foobars={})'.format(self.foobars)


xml_string = """
<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>
"""

processor = xml.dictionary('foo', [
    xml.user_object('bar', Bar, [
        xml.array(xml.integer('type', attribute='foobar'), alias='foobars')
    ])
])

xml.parse_from_string(processor, xml_string)

其中產生以下輸出

{'bar': Bar(foobars=[1, 2])}

我發現Python xml.domxml.dom.minidom很容易。 請記住,DOM不適合大量的XML,但如果您的輸入相當小,那麼這將工作正常。


為了增加另一種可能性,你可以使用untangle ,因為它是一個簡單的xml-to-python-object庫。 在這裡你有一個例子:

安裝

pip install untangle

用法

你的XML文件(有點改變):

<foo>
   <bar name="bar_name">
      <type foobar="1"/>
   </bar>
</foo>

通過解開來訪問屬性:

import untangle

obj = untangle.parse('/path_to_xml_file/file.xml')

print obj.foo.bar['name']
print obj.foo.bar.type['foobar']

輸出將是:

bar_name
1

關於解開的更多信息可以在here找到。
另外(如果您好奇),您可以在這裡找到用於處理XML和Python的工具列表(您還會看到最常見的是前面的答案)。


這裡使用cElementTree一個非常簡單但有效的代碼。

try:
    import cElementTree as ET
except ImportError:
  try:
    # Python 2.5 need to import a different module
    import xml.etree.cElementTree as ET
  except ImportError:
    exit_err("Failed to import cElementTree from any known place")      

def find_in_tree(tree, node):
    found = tree.find(node)
    if found == None:
        print "No %s in file" % node
        found = []
    return found  

# Parse a xml file (specify the path)
def_file = "xml_file_name.xml"
try:
    dom = ET.parse(open(def_file, "r"))
    root = dom.getroot()
except:
    exit_err("Unable to open and parse input definition file: " + def_file)

# Parse to find the child nodes list of node 'myNode'
fwdefs = find_in_tree(root,"myNode")

資源:

http://www.snip2code.com/Snippet/991/python-xml-parse?fromPage=1


那裡有很多選擇。 如果速度和內存使用率成為問題, cElementTree看起來非常棒。 與使用readlines簡單讀取文件相比,它的開銷非常小。

相關指標可以從cElementTree網站複製下表中找到:

library                         time    space
xml.dom.minidom (Python 2.1)    6.3 s   80000K
gnosis.objectify                2.0 s   22000k
xml.dom.minidom (Python 2.4)    1.4 s   53000k
ElementTree 1.2                 1.6 s   14500k  
ElementTree 1.2.4/1.3           1.1 s   14500k  
cDomlette (C extension)         0.540 s 20500k
PyRXPU (C extension)            0.175 s 10850k
libxml2 (C extension)           0.098 s 16000k
readlines (read as utf-8)       0.093 s 8850k
cElementTree (C extension)  --> 0.047 s 4900K <--
readlines (read as ascii)       0.032 s 5050k   

正如@jfs指出的@jfscElementTree與Python捆綁在一起:

  • Python 2: from xml.etree import cElementTree as ElementTree
  • Python 3: from xml.etree import ElementTree (加速的C版本自動使用)。




xml