Python 解析简单的XML数据
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PlanetPython上的RSS源。下面是相应的代码:
fromurllib.requestimporturlopen fromxml.etree.ElementTreeimportparse #DownloadtheRSSfeedandparseit u=urlopen('http://planet.python.org/rss20.xml') doc=parse(u) #Extractandoutputtagsofinterest foritemindoc.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:
SteveHolden:PythonforDataAnalysis
Mon,19Nov201202:13:51+0000
http://holdenweb.blogspot.com/2012/11/python-for-data-analysis.htmlVasudevRam:ThePythonDatamodel(forv2andv3)
Sun,18Nov201222:06:47+0000
http://jugad2.blogspot.com/2012/11/the-python-data-model.htmlPythonDiary:BeenplayingaroundwithObjectDatabases
Sun,18Nov201220:40:29+0000
http://www.pythondiary.com/blog/Nov.18,2012/been-...-object-databases.htmlVasudevRam:Wakari,ScientificPythoninthecloud
Sun,18Nov201220:19:41+0000
http://jugad2.blogspot.com/2012/11/wakari-scientific-python-in-cloud.htmlJesseJiryuDavis:Toro:synchronizationprimitivesforTornadocoroutines
Sun,18Nov201220:17:49+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:
PlanetPython http://planet.python.org/en PlanetPython-http://planet.python.org/ SteveHolden:PythonforDataAnalysis http://holdenweb.blogspot.com/...-data-analysis.html http://holdenweb.blogspot.com/...-data-analysis.html... Mon,19Nov201202:13:51+0000 VasudevRam:ThePythonDatamodel(forv2andv3) http://jugad2.blogspot.com/...-data-model.html http://jugad2.blogspot.com/...-data-model.html... Sun,18Nov201222:06:47+0000 - ...
PythonDiary:BeenplayingaroundwithObjectDatabases http://www.pythondiary.com/...-object-databases.html http://www.pythondiary.com/...-object-databases.html... Sun,18Nov201220:40:29+0000
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>>>e=doc.find('channel/title') >>>e >>>e.tag 'title' >>>e.text 'PlanetPython' >>>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fromlxml.etreeimportparse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。
以上就是Python解析简单的XML数据的详细内容,更多关于Python解析XML的资料请关注毛票票其它相关文章!