python-minidom模組【解析xml】

http://zc0604.iteye.com/blog/1520703

http://www.cnblogs.com/rirtue/archive/2012/01/12/2321028.html

http://blog.csdn.net/zgx007/article/details/6107226
1，xml的文檔結構 1.1，XML文檔包括XML頭資訊和XML資訊體 1.1.1，XML文檔頭資訊

<?xml version="1.0" encoding="utf-8"?>

它表明了此XML文檔所用的版本，編碼方式。有些複雜的還有一些文件類型的定義(DOCTYPE)，用於定義此XML文檔所用的DTD或Schema和一些實體的定義。

1.1.2，XML文檔資訊體

<Table><Name>tbl_test</Name><Comment>This ia a test table</Comment><Schema format="Json">        </Schema></Table>

XML資訊體是由樹狀元素組成。每個XML文檔都有一個文件項目，也就是樹的根項目，所有其它的元素和內容都包含在根項目中。
DOM是Document Object Model的簡稱，它是以對象樹來表示一個XML文檔的方法，使用它的好處就是你可以非常靈活的在對象中進行遍曆。

2，minidom模組讀取XML

按照我的理解，在獲得XML文檔樹的根節點後，實際上分為兩種節點【這裡測試只用到這兩種節點，實際按照nodeType知道還有其他很多】：元素節點（ELEMENT NODE）和文本節點（TEXT NODE）。元素節點如上面的Name標籤，整個就是一個元素節點。文本節點如上面的tbl_test，也作為一個節點，即文本節點。

節點都具有這樣三種屬性;   

node.nodeName	nodeName為結點名字
node.nodeValue	nodeValue是結點的值，只對文本結點有效
node.nodeType	nodeType是結點的類型

元素節點（ELEMENT NODE）可以用root.getElementsByTagName("Table")這樣來擷取以Table標籤的一個列表。

文本節點（TEXT NODE）         可以用column.getAttribute('Name')這樣來擷取Name的這樣一個屬性值。屬性指的是: <Column Name="pt" Value="1"/>這樣的結構。可以使用node.data或者node.nodeValue來擷取文本值。 2.1，得到dom對象

從xml檔案得到dom對象

>>> import xml.dom.minidom>>> dom = xml.dom.minidom.parse('d:/catalog.xml')

從xml字串得到dom對象

>>> import xml.dom.minidom>>> dom = xml.dom.minidom.parseString(xmlstring)

2.2，得到文件項目對象

>>> root = dom.documentElement

3，測試 3.1，實驗1

<?xml version="1.0" encoding="UTF-8"?><Table><Name>tbl_test</Name><Comment>This ia a test table</Comment><Schema format="Json">        </Schema></Table>

dom = parseString(string1)#root = dom.documentElementtable  =  dom.getElementsByTagName( "Table" )[0]name  =  table.getElementsByTagName( "Name" )[0]for textNode in name.childNodes:   print textNode.data   print textNode.nodeValue

1，dom獲得的是整個xml對象

2，【未運行】root獲得的整個文檔對象，如果執行了，實際上得到的是根節點唯一的標籤<Table></Table>下的東西，如果有多個<Table></Table>，估計會忽略，預設把第一個當成根。

3，root.getElementsByTagName( "Table" )將獲得所有<Table></Table>標籤對，這是一個類似於列表的東西，可以用列表方法擷取。因為這裡就一個<Table></Table>標籤，所以直接[0]返回這個單獨的對象。

4，table獲得的是真正的單個的其中的<table></Table>對象。

5，table.getElementsByTagName( "Name" )同樣獲得的是一個[<Name></Name>,...,<Name></Name>]這樣的列表。

6，name獲得的是單個的現在僅有的<Name></Name>對象。

7，由於name下面是文本節點tbl_test。雖然只有一個，但可以有多個。此時，前述的都是元素節點，Name標籤下都是文本節點了，可以用name.childNodes獲得文本節點列表，注意，還是列表。

8，textNode是其中的唯一的一個tbl_test。

9，因為是文本節點，所有有data屬性。當然其，node.nodeValue也可以讀到。

3.2，實驗2

<?xml version="1.0" encoding="UTF-8"?><Partitions><Partition><Column Name="pt" Value="1"/></Partition></Partitions>

dom = parseString(string2)#root = dom.documentElementpartitions = dom.getElementsByTagName("Partitions")[0]partition = partitions.getElementsByTagName("Partition")[0]column = partition.getElementsByTagName("Column")[0]print column.getAttribute('Name')

1，dom獲得的是整個xml對象

2，【未運行】root獲得的整個文檔對象，如果執行了，實際上得到的是根節點唯一的標籤<Table></Table>下的東西，如果有多個<Partitions></Partitions>，估計會忽略，預設把第一個當成根。

3，root.getElementsByTagName( "Partitions" )將獲得所有<Partitions></Partitions>標籤對，這是一個類似於列表的東西，可以用列表方法擷取。因為這裡就一個<Partitions></Partitions>標籤，所以直接[0]返回這個單獨的對象。

4，partitions獲得的是真正的單個的其中的<Partitions></Partitions>對象。

5，partitions.getElementsByTagName( "Partition" )同樣獲得的是一個[<Partition></Partition>,...,<Partition></Partition>]這樣的列表。

6，partition獲得的是單個的現在僅有的<Partition></Partition>對象。

7，column以同樣方式擷取到單個的<Column></Column>對象

8，由於Name是Column的一個屬性，所以用column.getAttribute('Name')來擷取這個屬性值

3.3，實驗3

string1='''<?xml version="1.0" encoding="UTF-8"?>           <Table>                 <Name>                    tbl_test                 </Name>                 <Comment>                        <Name>                            gexing                        </Name>                        This ia a test table                 </Comment>                 <Schema format="Json">                 </Schema>                 <Name>                       dandan                 </Name>                 </Table>       '''

dom = parseString(string1)    root = dom.documentElement    names = root.getElementsByTagName("Name")    for name in names:        for child in name.childNodes:            print child.nodeValue

輸出：

[admin@r42h06016.xy2.aliyun.com]$python test.py                        tbl_test                                gexing                           dandan

注意點1，空行是因為實際上要的xml是無空格的內容。

注意點2，說明用getElementsByTagName得到的list是遍曆所有“節點”，然後不管哪個層次，遇到一個符合的就會加進來。如果沒有文本資訊，就輸出None。

3.4，簡單函數

對於簡單的元素，如：<caption>Python</caption>，我們可以編寫這樣一個函數來得到它的內容（這裡為Python）。

def getTagText(root, tag):    node = root.getElementsByTagName(tag)[0]    rc = ""    for node in node.childNodes:    if node.nodeType in ( node.TEXT_NODE, node.CDATA_SECTION_NODE):        rc = rc + node.data    return rc

4，xml.etree.ElementTree模組讀xml

import xml.etree.ElementTreecontent = xml.etree.ElementTree.fromstring(string1)name = content.findall('Name')#找到所有的Name的列表name = content.findtext('Name')#找到下一層的Name節點