我在XML中有很多行,我想获取特定节点属性的实例。
<foo>
<bar>
<type foobar="1"/>
<type foobar="2"/>
</bar>
</foo>
如何访问属性foobar
的值?在这个例子中,我想要"1"
和"2"
。
我建议使用ElementTree
。有其他兼容的API实现,例如lxml
和Python标准库中的cElementTree
,但在这个上下文中,它们主要增加的是更快的速度 - 编程的易用性取决于API,而ElementTree
定义了它。
首先从XML构建一个元素实例root
,例如使用XML函数或使用类似以下的方法解析文件:
import xml.etree.ElementTree as ET
root = ET.parse('thefile.xml').getroot()
或者选择文档中所示的其他方法之一,详见ElementTree
。然后执行以下操作:
for type_tag in root.findall('bar/type'):
value = type_tag.get('foobar')
print(value)
输出:
1
2
lxml
不仅具有高速度,还能提供方便的访问方式,例如获取父节点、XML源代码中的行号等信息,在多种情况下非常有用。 - Saheel Godhaneminidom
是最快且相对直接的方法。
XML:
<data>
<items>
<item name="item1"></item>
<item name="item2"></item>
<item name="item3"></item>
<item name="item4"></item>
</items>
</data>
Python:
from xml.dom import minidom
dom = minidom.parse('items.xml')
elements = dom.getElementsByTagName('item')
print(f"There are {len(elements)} items:")
for element in elements:
print(element.attributes['name'].value)
输出:
There are 4 items:
item1
item2
item3
item4
minidom
的文档在哪里?我只找到了这个,但它并没有用:http://docs.python.org/2/library/xml.dom.minidom.html。 - amphibientdata->items
),那不是更好吗?因为如果你还有一个名为 "item" 的节点的 data->secondSetOfItems
,并且你只想列出其中一个集合中的 "item",那该怎么办? - amphibientfor s in itemlist:
print(s.attributes['name'].value)
- Alex Borsody您可以使用BeautifulSoup:
from bs4 import BeautifulSoup
x="""<foo>
<bar>
<type foobar="1"/>
<type foobar="2"/>
</bar>
</foo>"""
y=BeautifulSoup(x)
>>> y.foo.bar.type["foobar"]
u'1'
>>> y.foo.bar.findAll("type")
[<type foobar="1"></type>, <type foobar="2"></type>]
>>> y.foo.bar.findAll("type")[0]["foobar"]
u'1'
>>> y.foo.bar.findAll("type")[1]["foobar"]
u'2'
BeautifulStoneSoup
已经被弃用,请改用BeautifulSoup(source_xml, features="xml")
来处理XML数据。请注意,在新方法中,source_xml
是XML数据的字符串。 - andilabsElementTree
加载XML,但不幸的是,除非我在源代码中进行调整,否则它无法解析。但是,BeautifulSoup
可以直接使用,不需要任何更改! - ViKiG有很多选择。如果速度和内存使用是问题,cElementTree看起来非常出色。与仅使用readlines
读取文件相比,它几乎没有任何开销。
相关指标可以在下面的表格中找到,表格来自cElementTree网站:
library time space
xml.dom.minidom (Python 2.1) 6.3 s 80000K
gnosis.objectify 2.0 s 22000k
xml.dom.minidom (Python 2.4) 1.4 s 53000k
ElementTree 1.2 1.6 s 14500k
ElementTree 1.2.4/1.3 1.1 s 14500k
cDomlette (C extension) 0.540 s 20500k
PyRXPU (C extension) 0.175 s 10850k
libxml2 (C extension) 0.098 s 16000k
readlines (read as utf-8) 0.093 s 8850k
cElementTree (C extension) --> 0.047 s 4900K <--
readlines (read as ascii) 0.032 s 5050k
正如@jfs所指出的那样,cElementTree
已经随Python捆绑:
from xml.etree import cElementTree as ElementTree
。from xml.etree import ElementTree
(自动使用加速的C版本)。from xml.etree import cElementTree as ElementTree
。在 Python 3 中使用以下语句:from xml.etree import ElementTree
(自动使用加速的 C 版本)。 - jfsElementTree
需要付出更多的努力。对于适合存储在内存中的文档,使用minidom
会更容易,并且对于较小的XML文档也可以正常工作。 - Asclepius我建议使用xmltodict,以保持简单明了。
它可以将您的XML解析为OrderedDict。
>>> e = '<foo>
<bar>
<type foobar="1"/>
<type foobar="2"/>
</bar>
</foo> '
>>> import xmltodict
>>> result = xmltodict.parse(e)
>>> result
OrderedDict([(u'foo', OrderedDict([(u'bar', OrderedDict([(u'type', [OrderedDict([(u'@foobar', u'1')]), OrderedDict([(u'@foobar', u'2')])])]))]))])
>>> result['foo']
OrderedDict([(u'bar', OrderedDict([(u'type', [OrderedDict([(u'@foobar', u'1')]), OrderedDict([(u'@foobar', u'2')])])]))])
>>> result['foo']['bar']
OrderedDict([(u'type', [OrderedDict([(u'@foobar', u'1')]), OrderedDict([(u'@foobar', u'2')])])])
result["foo"]["bar"]["type"]
是所有<type>
元素的列表,因此它仍然有效(尽管结构可能有点出乎意料)。 - luatorlxml.objectify非常简单。
以您的示例文本为例:
from lxml import objectify
from collections import defaultdict
count = defaultdict(int)
root = objectify.fromstring(text)
for item in root.bar.type:
count[item.attrib.get("foobar")] += 1
print dict(count)
输出:
{'1': 1, '2': 1}
count
存储每个项目的计数,使用默认键在字典中,因此您无需检查成员资格。您还可以尝试查看 collections.Counter
。 - Ryan GinstromPython提供与expat XML解析器的接口。
xml.parsers.expat
这是一个不做验证的解析器,所以无法捕获糟糕的XML文件。但如果您知道您的文件是正确的,那么这个解析器非常好用,您很可能会准确地获取到所需信息,并可以丢弃其余信息。
stringofxml = """<foo>
<bar>
<type arg="value" />
<type arg="value" />
<type arg="value" />
</bar>
<bar>
<type arg="value" />
</bar>
</foo>"""
count = 0
def start(name, attr):
global count
if name == 'type':
count += 1
p = expat.ParserCreate()
p.StartElementHandler = start
p.Parse(stringofxml)
print count # prints 4
还有一种可能性是使用 untangle,因为它是一个简单的将xml转换为Python对象的库。以下是一个示例:
安装:
pip install untangle
用法:
您的XML文件(稍作更改):
<foo>
<bar name="bar_name">
<type foobar="1"/>
</bar>
</foo>
使用 untangle
访问属性:
import untangle
obj = untangle.parse('/path_to_xml_file/file.xml')
print obj.foo.bar['name']
print obj.foo.bar.type['foobar']
输出结果将是:
bar_name
1
有关untangle的更多信息可以在"untangle"中找到。
此外,如果您好奇,可以在"Python和XML"中找到有关使用XML和Python的工具列表。您还会发现,最常见的工具已经被前面的回答提到了。
我可能会建议使用declxml。
完全透明:我编写了该库,因为我正在寻找一种方法,在不需要编写数十行命令式解析/序列化代码(使用ElementTree)的情况下,在XML和Python数据结构之间进行转换。
使用declxml,您可以使用处理器来声明性地定义XML文档的结构以及如何在XML和Python数据结构之间映射。 处理器用于序列化和解析,以及基本级别的验证。
将其解析为Python数据结构很简单:
import declxml as xml
xml_string = """
<foo>
<bar>
<type foobar="1"/>
<type foobar="2"/>
</bar>
</foo>
"""
processor = xml.dictionary('foo', [
xml.dictionary('bar', [
xml.array(xml.integer('type', attribute='foobar'))
])
])
xml.parse_from_string(processor, xml_string)
它会生成以下输出:
{'bar': {'foobar': [1, 2]}}
你也可以使用相同的处理器将数据序列化为XML格式。
data = {'bar': {
'foobar': [7, 3, 21, 16, 11]
}}
xml.serialize_to_string(processor, data, indent=' ')
会产生以下输出
<?xml version="1.0" ?>
<foo>
<bar>
<type foobar="7"/>
<type foobar="3"/>
<type foobar="21"/>
<type foobar="16"/>
<type foobar="11"/>
</bar>
</foo>
如果您想使用对象而不是字典来进行工作,您也可以定义处理器来将数据转换为对象,并从对象中转换数据。
import declxml as xml
class Bar:
def __init__(self):
self.foobars = []
def __repr__(self):
return 'Bar(foobars={})'.format(self.foobars)
xml_string = """
<foo>
<bar>
<type foobar="1"/>
<type foobar="2"/>
</bar>
</foo>
"""
processor = xml.dictionary('foo', [
xml.user_object('bar', Bar, [
xml.array(xml.integer('type', attribute='foobar'), alias='foobars')
])
])
xml.parse_from_string(processor, xml_string)
它会产生以下输出
{'bar': Bar(foobars=[1, 2])}
这里是使用cElementTree
的非常简单但有效的代码。
try:
import cElementTree as ET
except ImportError:
try:
# Python 2.5 need to import a different module
import xml.etree.cElementTree as ET
except ImportError:
exit_err("Failed to import cElementTree from any known place")
def find_in_tree(tree, node):
found = tree.find(node)
if found == None:
print "No %s in file" % node
found = []
return found
# Parse a xml file (specify the path)
def_file = "xml_file_name.xml"
try:
dom = ET.parse(open(def_file, "r"))
root = dom.getroot()
except:
exit_err("Unable to open and parse input definition file: " + def_file)
# Parse to find the child nodes list of node 'myNode'
fwdefs = find_in_tree(root,"myNode")
这是来自于 "Python解析XML"。