Python 解析简单的XML数据

素颜马尾好姑娘i 2022-12-21 09:27 227阅读 0赞

更多编程教程请到：[菜鸟教程][Link 1] https://www.piaodoo.com/

友情链接：[好看站][Link 2] http://www.nrso.net/

**问题**

你想从一个简单的XML文档中提取数据。

**解决方案**

可以使用 xml.etree.ElementTree 模块从简单的XML文档中提取数据。为了演示，假设你想解析Planet Python上的RSS源。下面是相应的代码：

from urllib.request import urlopen
    from xml.etree.ElementTree import parse

# Download the RSS feed and parse it #

u = urlopen(‘http://planet.python.org/rss20.xml’)  
doc = parse(u)

# Extract and output tags of interest #

for item in doc.iterfind(‘channel/item’):  
title = item.findtext(‘title’)  
date = item.findtext(‘pubDate’)  
link = item.findtext(‘link’)

print(title)  
print(date)  
print(link)  
print()

运行上面的代码，输出结果类似这样：

> Steve Holden: Python for Data Analysis  
> Mon, 19 Nov 2012 02:13:51 +0000  
> http://holdenweb.blogspot.com/2012/11/python-for-data-analysis.html
> 
> Vasudev Ram: The Python Data model (for v2 and v3)  
> Sun, 18 Nov 2012 22:06:47 +0000  
> http://jugad2.blogspot.com/2012/11/the-python-data-model.html
> 
> Python Diary: Been playing around with Object Databases  
> Sun, 18 Nov 2012 20:40:29 +0000  
> http://www.pythondiary.com/blog/Nov.18,2012/been-...-object-databases.html
> 
> Vasudev Ram: Wakari, Scientific Python in the cloud  
> Sun, 18 Nov 2012 20:19:41 +0000  
> http://jugad2.blogspot.com/2012/11/wakari-scientific-python-in-cloud.html
> 
> Jesse Jiryu Davis: Toro: synchronization primitives for Tornado coroutines  
> Sun, 18 Nov 2012 20:17:49 +0000  
> http://feedproxy.google.com/~r/EmptysquarePython/~3/\_DOZT2Kd0hQ/

很显然，如果你想做进一步的处理，你需要替换 print() 语句来完成其他有趣的事。

**讨论**

在很多应用程序中处理XML编码格式的数据是很常见的。不仅是因为XML在Internet上面已经被广泛应用于数据交换，同时它也是一种存储应用程序数据的常用格式(比如字处理，音乐库等)。接下来的讨论会先假定读者已经对XML基础比较熟悉了。

在很多情况下，当使用XML来仅仅存储数据的时候，对应的文档结构非常紧凑并且直观。例如，上面例子中的RSS订阅源类似于下面的格式：

<?xml version="1.0"?>
    <rss version="2.0" xmlns:dc="http://purl.org/dc/elements/1.1/">
      <channel>
        <title>Planet Python</title>
        <link>http://planet.python.org/</link>
        <language>en</language>
        <description>Planet Python - http://planet.python.org/</description>
        <item>
          <title>Steve Holden: Python for Data Analysis</title>
          <guid>http://holdenweb.blogspot.com/...-data-analysis.html</guid>
          <link>http://holdenweb.blogspot.com/...-data-analysis.html</link>
          <description>...</description>
          <pubDate>Mon, 19 Nov 2012 02:13:51 +0000</pubDate>
        </item>
        <item>
          <title>Vasudev Ram: The Python Data model (for v2 and v3)</title>
          <guid>http://jugad2.blogspot.com/...-data-model.html</guid>
          <link>http://jugad2.blogspot.com/...-data-model.html</link>
          <description>...</description>
          <pubDate>Sun, 18 Nov 2012 22:06:47 +0000</pubDate>
        </item>
        <item>
          <title>Python Diary: Been playing around with Object Databases</title>
          <guid>http://www.pythondiary.com/...-object-databases.html</guid>
          <link>http://www.pythondiary.com/...-object-databases.html</link>
          <description>...</description>
          <pubDate>Sun, 18 Nov 2012 20:40:29 +0000</pubDate>
        </item>
        ...
      </channel>
    </rss>

`xml.etree.ElementTree.parse()`函数解析整个XML文档并将其转换成一个文档对象。 然后，你就能使用 find() 、iterfind() 和 findtext() 等方法来搜索特定的XML元素了。 这些函数的参数就是某个指定的标签名，例如`channel/item`或 title 。 每次指定某个标签时，你需要遍历整个文档结构。每次搜索操作会从一个起始元素开始进行。 同样，每次操作所指定的标签名也是起始元素的相对路径。 例如，执行`doc.iterfind('channel/item')`来搜索所有在 channel 元素下面的 item 元素。 doc 代表文档的最顶层(也就是第一级的 rss 元素)。 然后接下来的调用 `item.findtext()`会从已找到的 item 元素位置开始搜索。 ElementTree 模块中的每个元素有一些重要的属性和方法，在解析的时候非常有用。 tag 属性包含了标签的名字，text 属性包含了内部的文本，而 `get()`方法能获取属性值。例如：

>>> doc
    <xml.etree.ElementTree.ElementTree object at 0x101339510>
    >>> e = doc.find('channel/title')
    >>> e
    <Element 'title' at 0x10135b310>
    >>> e.tag
    'title'
    >>> e.text
    'Planet Python'
    >>> e.get('some_attribute')
    >>>

有一点要强调的是 `xml.etree.ElementTree`并不是XML解析的唯一方法。对于更高级的应用程序，你需要考虑使用`lxml`。它使用了和ElementTree同样的编程接口，因此上面的例子同样也适用于`lxml`。你只需要将刚开始的import语句换成 `from lxml.etree import parse`就行了。`lxml`完全遵循XML标准，并且速度也非常快，同时还支持验证，XSLT和XPath等特性。

以上就是Python 解析简单的XML数据的详细内容，更多关于Python 解析XML的资料请关注菜鸟教程www.piaodoo.com其它相关文章！

[Link 1]: https://www.piaodoo.com/
[Link 2]: http://www.nrso.net/