Python - DOM操作XML技巧汇总

为为为什么

发布于 2022-08-04 14:44:48

2.2K1

文章被收录于专栏：又见苍岚又见苍岚

XML已经成为数据传输存储使用越来越广泛的数据格式，本文讲述使用Python DOM处理XML文件的方法。

准备工作

安装Python
XML基础知识

Python常用处理XML库

常见的 XML 编程接口有 DOM 和 SAX，这两种接口处理 XML 文件的方式不同，当然使用场合也不同。Python 有三种方法解析 XML，SAX，DOM，以及 ElementTree:

DOM(Document Object Model) - 本文介绍

DOM (Document Object Model) 译为文档对象模型，是 HTML 和 XML 文档的编程接口。HTML DOM 定义了访问和操作 HTML 文档的标准方法。将 XML 数据在内存中解析成一个树，通过对树的操作来操作XML。

SAX (simple API for XML )

Python 标准库包含 SAX 解析器，SAX 用事件驱动模型，通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。

ElementTree(元素树)

ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。

测试用例

<?xml version="1.0" encoding="utf-8"?>
<!--file name "test.xml" 2020.2.24 by VVD-->
<bookstore type="info science">
    
	<book category="Coding">
		<title>C++Primer</title>
		<author>StanleyB.Lippman</author>
		<price>60.0</price>
        <year>2009</year>
	</book>

	<book category="Computer">
		<title>编译原理</title>
		<author>AlfredV.Aho</author>
		<price>70.0</price>
        <year>2013</year>
	</book>

</bookstore>

Python DOM 解析XML

DOM节点树

一个 DOM 的解析器在解析一个 XML 文档时，一次性读取整个文档，把文档中所有元素保存在内存中的一个树结构里。

节点级别

节点树中的节点彼此之间都有等级关系。

在节点树中，顶端的节点成为根节点
根节点之外的每个节点都有一个父节点
节点可以有任何数量的子节点
叶子是没有子节点的节点
同级节点是拥有相同父节点的节点

解析XML

python 加载DOM解析XML，并输出整个XML

#加载DOM minidom模块
from xml.dom.minidom import parse

#解析XML文件
contents=parse('test.xml')
root=contents.documentElement

print(root.toxml())

>>><bookstore type="info science">

	<book category="Coding">
		<title>C++Primer</title>
		<author>StanleyB.Lippman</author>
		<price>60.0</price>
        <year>2009</year>
	</book>

	<book category="Computer">
		<title>编译原理</title>
		<author>AlfredV.Aho</author>
		<price>70.0</price>
        <year>2013</year>
	</book>

</bookstore>

此时root获取了XML文件中所有内容，组织成了一棵树，root就是该树的根节点

获取节点名称

#获取节点名称
print(root.nodeName)
print(root.tagName)

>>> bookstore
bookstore

获取子节点

#获取子节点
children_Nodes=root.childNodes
print(f'子节点个数：{children_Nodes.length}')

for item in children_Nodes:
    print (item.toxml())
    
>>> 子节点个数：5


	
<book category="Coding">
		<title>C++Primer</title>
		<author>StanleyB.Lippman</author>
		<price>60.0</price>
        <year>2009</year>
	</book>


	
<book category="Computer">
		<title>编译原理</title>
		<author>AlfredV.Aho</author>
		<price>70.0</price>
        <year>2013</year>
	</book>

节点类型

为什么2本书却有5个节点？因为两本书前中后各有一个回车，被划为文本节点。 DOM规定节点：

整个文档是一个文档节点
每个 XML 标签是一个元素节点
包含在 XML 元素中的文本是文本节点
每一个 XML 属性是一个属性节点
注释属于注释节点

文本总是存储在文本节点中

在 DOM 处理中一个普遍的错误是，认为元素节点包含文本。不过，元素节点的文本是存储在文本节点中的。在这个例子中：<year>2005</year>，元素节点 <year>，拥有一个值为 “2005” 的文本节点。 “2005” 不是 <year> 元素的值！d

获取节点属性

#获取节点属性
print(root.attributes.items())
atr_root=root.attributes['type']
print(atr_root.name)
print(atr_root.value)

>>>[('type', 'info science')]
type
info science

获取指定名称的节点

#获取指定名称的节点
books=root.getElementsByTagName('book')

for book in books:
    print (book.nodeName)
    
>>>book
book

判断是否包含属性值

#判断是否包含属性值
print(books[0].hasAttribute('nnn'))
print(books[0].hasAttribute('category'))

>>>False
True

获取节点指定属性的属性值

#获取节点指定属性的属性值
print(books[0].getAttribute('category'))
print(books[1].getAttribute('category'))

>>>Coding
Computer

获取节点文本值

#获取节点文本值
node=books[0]
author=node.getElementsByTagName('author')
print(author[0].firstChild.data)

>>>StanleyB.Lippman

判断是否有子节点

#判断是否有子节点
print(root.hasChildNodes())
print(author[0].hasChildNodes())
print(author[0].firstChild.hasChildNodes())

>>>True
True
False

DOM解析XML方法总结

contents = xml.dom.minidom.parse(filename)：加载读取XML文件
node = contents.documentElement：获取XML文档对象
node.getAttribute(AttributeName)：获取XML节点属性值
node.getElementsByTagName(TagName)：获取XML节点对象集合
node.childNodes ：返回子节点列表。
node.childNodesindex.nodeValue：获取XML节点值
node.firstChild：访问第一个节点，等价于pagexml.childNodes0
node.toxml(‘UTF-8’)返回Node节点的xml表示的文本：
访问元素属性： atr=Node.attributes“id”(http://atr.name/) # “id” atr.value #属性的值
node.nodeName/node.tagName：节点的名称
node.nodeValue：节点的值，文本节点才有值，其它节点返回的是None
node.nodeType：节点的类型

Python DOM 修改XML

生成XML树、添加属性

from xml.dom import minidom

#1.创建DOM树对象
dom=minidom.Document()
# 2.创建根节点。每次都要用DOM对象来创建任何节点。
root_node=dom.createElement('root')
# 3.用DOM对象添加根节点
dom.appendChild(root_node)
# 用DOM对象创建元素子节点
book_node=dom.createElement('book')
# 用父节点对象添加元素子节点
root_node.appendChild(book_node)
# 设置该节点的属性
book_node.setAttribute('price','399')
name_node=dom.createElement('name')
book_node.appendChild(name_node)
# 也用DOM创建文本节点，把文本节点（文字内容）看成子节点
name_text=dom.createTextNode('C++ Primer 第1版')
# 用添加了文本的节点对象（看成文本节点的父节点）添加文本节点
name_node.appendChild(name_text)

print(dom.toxml()) #字符格式输出
print(dom.toprettyxml()) #美丽的输出

>>> <?xml version="1.0" ?><root><book price="399"><name>C++ Primer 第1版</name></book></root>
<?xml version="1.0" ?>
<root>
	<book price="399">
		<name>C++ Primer 第1版</name>
	</book>
</root>

删除节点

#增加要删除的节点
another_node=dom.createElement('delete')
another_node_child=dom.createElement('content')
another_node_child_text=dom.createTextNode('testing data')
another_node_child.appendChild(another_node_child_text)
another_node.appendChild(another_node_child)
root_node.appendChild(another_node)
print(dom.toprettyxml())

>>><?xml version="1.0" ?>
<root>
	<book price="399">
		<name>C++ Primer 第1版</name>
	</book>
	<delete>
		<content>testing data</content>
	</delete>
</root>

#删除上文增加的节点
children_Nodes=root_node.childNodes
for i in range(children_Nodes.length-1,-1,-1):
    if children_Nodes[i].tagName=='delete':
        children_Nodes.remove(children_Nodes[i]) #删除root中的文本节点

print(dom.toprettyxml())
        
>>> <?xml version="1.0" ?>
<root>
	<book price="399">
		<name>C++ Primer 第1版</name>
	</book>
</root>

删除节点属性

#删除节点属性
book_node.setAttribute('price','199')
print(book_node.hasAttribute('price'))
print(book_node.getAttribute('price'))
book_node.removeAttribute('price')
print(book_node.hasAttribute('price'))

>>>True
199
False

修改节点内容

#修改节点内容
children_Nodes=root_node.childNodes
name_Append = ' (中文版)'
for item in children_Nodes:
    #print (item.toxml())
    tag_name='name'
    c_name = item.getElementsByTagName(tag_name)
    print(c_name[0].firstChild.data)
    c_name[0].firstChild.data+=name_Append
print(dom.toprettyxml())
    
    >>>C++ Primer 第1版
<?xml version="1.0" ?>
<root>
	<book>
		<name>C++ Primer 第1版 (中文版)</name>
	</book>
</root>

修改节点属性

#修改节点属性
book_node.setAttribute('price','199')
print(book_node.hasAttribute('price'))
print(book_node.getAttribute('price'))

book_node.setAttribute('price','399')
print(book_node.getAttribute('price'))

book_node.setAttribute('price2','599')
print(book_node.attributes.items())

>>> True
199
399
[('price', '399'), ('price2', '599')]

修改节点名称(可用、不安全)

#修改节点名称(可用、不安全)
name_node=dom.createElement('name')
name_node.nodeName='node name'
name_node.tagName='tag name'
root_node.appendChild(name_node)
print(dom.toxml())
print(name_node.nodeName)
print(name_node.localName)
#删掉刚刚增加的测试节点
children_Nodes=root_node.childNodes
children_Nodes.remove(children_Nodes[1])

>>><?xml version="1.0" ?><root><book price="399" price2="599"><name>C++ Primer 第1版 (中文版)</name></book><tag name/></root>
node name
tag name

可以看到，改变tagName在事实上实现了改变节点名称的效果，但nodeName并没有一并更新，使用时需要谨慎。

DOM修改XML方法总结

dom=minidom.Document() #创建DOM树对象
root_node=dom.createElement(‘root’) #用DOM对象创建元素节点
name_text=dom.createTextNode(‘计算机程序设计语言第1版’)#用DOM对象创建文本节点
dom.appendChild(root_node) # 用DOM对象添加节点
book_node.setAttribute(‘price’,‘199’) #添加节点属性（可多个），也可以用来覆盖修改原有的属性
children_Nodes.remove(children_Nodesi) #删除节点
book_node.removeAttribute(‘price’) #删除节点属性
price0.firstChild.data=str(price_float) #直接修改文本节点完成对xml保存内容的修改
name_node.tagName=‘tag name’ #修改节点名称

Python DOM 写入XML

写入XML

语法：writexml(writer, indent=“”, addindent=“”, newl=“”, encoding=None)

writer：文件对象
indent：根节点缩进格式（一般根节点不缩进，所以一般为空）
addindent：子节点缩进格式（一般为空格或制表符/t）
newl：换行格式（一般为换行回车/n)
encoding：编码方式

#Python DOM 写入XML
with open('write_test.xml','w',encoding='UTF-8') as writer:
    dom.writexml(writer,indent='',addindent='    ',newl='/n',encoding='UTF-8')

得到xml文件write_test.xml：

<?xml version="1.0" encoding="UTF-8"?>
<root>
    <book price="399" price2="599">
        <name>C++ Primer 第1版 (中文版)</name>
    </book>
</root>

获取源码

文中测试环境与所有源码可在Github下载。

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2020年2月24日，如有侵权请联系 cloudcommunity@tencent.com 删除

node.js

python

xml

html

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度

Python - DOM操作XML技巧汇总

Python - DOM操作XML技巧汇总

准备工作

Python常用处理XML库

DOM(Document Object Model) - 本文介绍

SAX (simple API for XML )

ElementTree(元素树)

测试用例

Python DOM 解析XML

DOM节点树

节点级别

解析XML

获取节点名称

获取子节点

节点类型

文本总是存储在文本节点中

获取节点属性

获取指定名称的节点

判断是否包含属性值

获取节点指定属性的属性值

获取节点文本值

判断是否有子节点

DOM解析XML方法总结

Python DOM 修改XML

生成XML树、添加属性

删除节点

删除节点属性

修改节点内容

修改节点属性

修改节点名称(可用、不安全)

DOM修改XML方法总结

Python DOM 写入XML

写入XML

获取源码

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐