用Python对XML读取和处理

简介

XML不是为了方便阅读而设计，而是为了编码为数据。当有一些文本有很多文档，可以用编码的方式使3一些文本便与处理。

设计原则

• 提供不依赖平台的数据转移
• 方便的编写读写XML程序
• 数据格式是可验证的
• 便于人工阅读
• 为了支持各种应用而设计

练习：提取XML数据

• 从 xml 中提取关于文章作者的数据
• 将其添加到列表中，一个作者对应一个条目
• 名字、姓氏和电子邮箱标签应该直接对应字典关键字
  实现代码如下:

def get_author(root):
    authors = []
    for author in root.findall('./fm/bibl/aug/au'):
# 用这种方法就可以创建字典
        data = {
                "fnm": None,
                "snm": None,
                "email": None
        }

# 用这种方法可以直接给字典中的键赋值
        data["fnm"] = author.findtext('./fnm') 
        data["snm"] = author.findtext('./snm')
        data["email"] = author.findtext('./email')
# authors列表中就会包含一个又一个data字典
        authors.append(data)

    return authors

最后部分输出结果如下所示：

[{‘fnm’:‘Omer’,‘snm’:‘Mei-Dan’,‘email’:‘omer@extremegate.com’}, {‘fnm’:‘Mike’,‘snm’:‘Carmont’,‘email’:‘mcarmont@hotmail.com’},…]

这里我们介绍一下用于处理xml的findtext()方法

findtext(要匹配的， 默认=None，命名空间=None)

查找发现文本文档中的第一个子元素所要匹配的内容，匹配的内容可能是标签名或路径。返回第一个匹配元素的文本内容，如果未找到元素，则返回默认值。注意，如果匹配元素没有文本内容，则返回空字符串。命名空间是从名称空间前缀到全名的可选映射。

练习：处理属性

• 在上述要求之上增加有属性特性的数据

<?xml version="1.0" encoding="utf-8"?>
<catalog>
       <maxid>4</maxid>
       <!--此处的username就是属性，id=‘4’也是一样的   -->
       <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>

处理方法如下：

def get_authors(root):
    authors = []
    for author in root.findall('./fm/bibl/aug/au'):
        data = {
                "fnm": None,
                "snm": None,
                "email": None,
                "insr": []
        }
        data["fnm"] = author.findtext('./fnm') 
        data["snm"] = author.findtext('./snm')
        data["email"] = author.findtext('./email')
        insr = author.findall('./insr')
        
# 用findall()返回的是一个列表，所以要进行一下遍历操作
        for i in insr:
# insr键所对应的值是一个列表，所以给键赋值时可以用append方法
# 这里attrib是一个字典，这个语句的意思是：取出attrib字典“iid”键所对应的值，通过append方法，
# 添加到data中“insr”键所对应的值得列表中。
            data["insr"].append(i.attrib["iid"])
        authors.append(data)

    return authors

此处的insr就带有属性，部分数据集中xml如下所示：

<insr iid="I2"/>

部分输出结果如下：

[{‘insr’:[‘I1’],‘fnm’:‘Omer’,‘snm’:‘Mei-Dan’,‘email’: ‘omer@extremegate.com’}{‘insr’[‘I2’],‘fnm’:‘Mike’,‘snm’:‘Carmont’,‘email’:‘mcarmont@hotmail.com’}…]

接下来介绍一下处理带属性的数据的方法：

findall(要匹配的, namespaces=None)

通过标签名称或路径查找所匹配的所有元素，返回包含文档顺序中所有匹配元素的列表。命名空间是从名称空间前缀到全名的可选映射。

attrib介绍

包含元素属性的字典。注意，当属性值始终是一个真正的可变的Python字典时，ElementTree实施可能选择其他的内部表示。

更多精彩内容欢迎关注我的微信公众号：数据瞎分析