Python 解析简单的XML数据
作者:看云 时间:2021-03-19 11:58:58
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.htmlVasudev 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.htmlPython 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.htmlVasudev 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.htmlJesse 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。
来源:https://www.kancloud.cn/kancloud/python3-cookbook/47231
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
python基础之定义类和对象详解
人性化设计用文字注入情感
![](https://img.aspxhome.com/file/UploadPic/20078/22/20078229220647s.jpg)
如何用python批量发送工资条邮件
![](https://img.aspxhome.com/file/2023/5/86455_0s.png)
python 删除系统中的文件(按时间,大小,扩展名)
如何基于Python代码实现高精度免费OCR工具
python验证码图片处理(二值化)
![](https://img.aspxhome.com/file/2023/7/97177_0s.jpg)
Python中xml和json格式相互转换操作示例
![](https://img.aspxhome.com/file/2023/3/102793_0s.png)
使用游标进行PHP SQLSRV查询的方法与注意事项
SQL Server数据库连接查询的种类及其应用
Python3 max()函数基础用法
在Django的模型中执行原始SQL查询的方法
PHP设计模式之装饰器模式定义与用法详解
python threading模块的使用指南
MySQL的数据库常用命令 超级实用版分享
解决python 读取excel时 日期变成数字并加.0的问题
![](https://img.aspxhome.com/file/2023/6/66466_0s.png)
Linux删除系统自带版本Python过程详解
pandas 实现某一列分组,其他列合并成list
![](https://img.aspxhome.com/file/2023/8/95578_0s.jpg)
自然选择:自然界的颜色与界面设计[译]
![](https://img.aspxhome.com/file/UploadPic/20099/19/01-69s.jpg)
Python中模块string.py详解
pandas学习之txt与sql文件的基本操作指南
![](https://img.aspxhome.com/file/2023/8/86408_0s.png)