python 各種解析xml包使用方法總結

http://outofmemory.cn/code-snippet/914/python-kinds-jiexi-xml-bao-usage-method-summary

使用python開發時，由於python的開源生態圈非常的給力，對於實現同一個功能，往往在這方面的類庫非常多，而開發人員也同樣面臨著如何選擇最佳的 類庫作為輔助開發的工具。本文將記錄本人在使用python處理xml格式資料時測試過的類庫，有些類庫由於先天不足，無法支援一些特性，涉及的類庫或模 塊有xml(python內建)、libxml2 、lxml 、xpath 。

附註：本文處理xml格式的資料的結構如下：

Python代碼

input_xml_string = """                    <root>                         <item>                             <data version="1.0" url="http://***" />                             <data version="2.0" url="http://***" />                          </item>                          <other>                              <data version="1.0" url="http://***" />                              <data version="2.0" url="http://***" />                           </other>                      </root>                      """  

python內建的xml處理模組xml.dom.minidom 解析xml

可以使用該模組提供的”getElementsByTagName“介面找到需要的節點,執行個體“get_tagname”如下：

Python代碼

import xml.dom.minidom  def get_tagname():      doc = xml.dom.minidom.parseString(input_xml_string)      for node in doc.getElementsByTagName("data"):          print (node, node.tagName, node.getAttribute("version"))  

程式運行結果如下：

(<DOM Element: data at 0x89884cc>, u'data', u'1.0')  (<DOM Element: data at 0x898860c>, u'data', u'2.0')  (<DOM Element: data at 0x89887cc>, u'data', u'1.0')  (<DOM Element: data at 0x898890c>, u'data', u'2.0')  

觀察上面的運行結果，”getElementsByTagName“介面尋找名為data的所有節點，有時候，程式需要完成的功能是只需要某個節點下面的 data節點，如other節點下的data節點。也許您馬上想到了，我們可以判斷data節點的父節點是否為other來滿足功能，執行個體 “get_tagname_other”如下：

import xml.dom.minidom  def get_tagname_other():      doc = xml.dom.minidom.parseString(input_xml_string)      for node in doc.getElementsByTagName("data"):          if node.parentNode.tagName == "other":              print (node, node.tagName, node.getAttribute("version"))  

程式運行結果如下：

(<DOM Element: data at 0x936b7cc>, u'data', u'1.0')  (<DOM Element: data at 0x936b90c>, u'data', u'2.0')  

觀察上面的運行結果，恩，很好，問題是解決了，但是如果我想尋找other節點下的data節點且屬性節點version等於1.0的那個data節點， 那麼就需要添加更多的策略來篩選出我們需要的資料，顯然這種方式不夠靈活，因此我們想到了使用xpath的方式去搜尋我們需要的節點。執行個體 “get_xpath”如下：

import xml.etree.ElementTree  from StringIO import StringIO  file = StringIO(input_xml_string)  def get_xpath():      doc = xml.etree.ElementTree.parse(file)      for node in doc.findall("//item/data"):          print (node, node.tag, (node.items()))  

程式運行結果如下：

(<Element data at 90c4dcc>, 'data', [('url', 'http://***'), ('version', '1.0')])  (<Element data at 90c4e8c>, 'data', [('url', 'http://***'), ('version', '2.0')])  

觀察上面的運行結果，使用xpath的方式顯然改善了程式的可讀性，可依然沒有解決上面的問題，這是由於python內建的xml模組對xpath方式的支援先天不足，如果想同時滿足可讀性與功能的正確性，我們需要使用針對python的第三方xml處理類庫。 使用libxml2解析xml

libxml2是使用C語言開發的xml解析器，是一個基於MIT License的免費開源軟體，多種程式設計語言都有基於它的實現，如本文將會介紹的lxml模組。執行個體“get_xpath_1”如下：

mport libxml2
def get_xpath_1():
doc = libxml2.parseFile("data.xml")#data.xml檔案結構與上述的input_xml_string相同
for node in doc.xpathEval("//item/data[@version = '1.0']"):
print (node, node.name, (node.properties.name, node.properties.content))
doc.freeDoc()
程式運行結果如下：

(<xmlNode (data) object at 0x9326c6c>, 'data', ('version', '1.0'))  

觀察上面的運行結果，能夠滿足我們的需求，有點小不足“xpathEval()”介面不支援類似模板的用法，但不影響使用，由於libxml2採用C語言開發的，因此在使用API介面的方式上難免會有點“水土不服”(寫法或習慣性用法) 使用lxml解析xml

lxml是以上述介紹過的libxml2為基礎採用python語言開發的，從使用層面上說比libxml2更適合python開發人員(鄙人感受)，且"xpath"介面支援類似模板的用法，執行個體“get_xpath_2”如下：

import lxml.etree  def get_xpath_2():     doc = lxml.etree.parse(file)     for node in doc.xpath("//item/data[@version = $name]", name = "1.0"):         print (node, node.tag, (node.items()))  

程式運行結果如下：

(<Element data at a1f784c>, 'data', [('version', '1.0'), ('url', 'http://***')])  

使用xpath模組解析xml

xpath是python官方推薦的一個支援xpath等處理的模組，是基於本文介紹過的python內建xml處理模組擴充而成，可以很好的結合使用，同時“find”介面也支援類似模板的用法，執行個體“get_xpath_3”如下：

Python代碼

import xpath  def get_xpath_3():     doc = xml.dom.minidom.parseString(input_xml_string)     for node in xpath.find("//item/data[@version = $name]", doc, name = "1.0"):         print (node, node.tagName, node.getAttribute("version"))  

程式運行結果如下：

(<DOM Element: data at 0x89934cc>, u'data', u'1.0')  

總結:

通過對這些類庫的實踐，我們已經瞭解了python在處理xml格式的資料時有各種各樣的選擇，並得知這些類庫各自擅長那些方面的處理和各種類庫的使用手法，可以根據實際需求選擇合適的類庫完成開發工作。