关于python读取xml文章很多，但大多文章都是贴一个xml文件，然后再贴个处理文件的代码。这样并不利于初学者的学习，希望这篇文章可以更通俗易懂的教如何使用python 来读取xml 文件。
什么是xml？
xml即可扩展标记语言，它可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。
abc.xml
复制代码
<?xml version="1.0" encoding="utf-8"?>
<catalog>
<maxid>4</maxid>
<login username="pytest" passwd='123456'>
<caption>python</caption>
<item id="4">
<caption>测试</caption>
</item>
</login>
<item id="2">
<caption>zope</caption>
</item>
</catalog>
复制代码
ok ,从结构上，它很像我们常见的html超文本标记语言。但他们被设计的目的是不同的，超文本标记语言被设计用来显示数据，其焦点是数据的外观。它被设计用来传输和存储数据，其焦点是数据的内容。
那么它有如下特征：
首先，它是有标签对组成，<aa></aa>
标签可以有属性：<aa id=’123’></aa>
标签对可以嵌入数据：<aa>abc</aa>
标签可以嵌入子标签（具有层级关系）：
<aa>
<bb></bb>
</aa>
获得标签属性
那么，下面来介绍如何用python来读取这种类型的文件。
复制代码
#coding=utf-8
import xml.dom.minidom
#打开xml文档
dom = xml.dom.minidom.parse('abc.xml')
#得到文档元素对象
root = dom.documentelement
print root.nodename
print root.nodevalue
print root.nodetype
print root.element_node
复制代码
mxl.dom.minidom 模块被用来处理xml文件，所以要先引入。
xml.dom.minidom.parse() 用于打开一个xml文件，并将这个文件对象dom变量。
documentelement 用于得到dom对象的文档元素，并把获得的对象给root
每一个结点都有它的nodename，nodevalue，nodetype属性。
nodename为结点名字。
nodevalue是结点的值，只对文本结点有效。
nodetype是结点的类型。catalog是element_node类型
现在有以下几种：
'attribute_node'
'cdata_section_node'
'comment_node'
'document_fragment_node'
'document_node'
'document_type_node'
'element_node'
'entity_node'
'entity_reference_node'
'notation_node'
'processing_instruction_node'
'text_node'
nodetypes - 有名常数
https://www.w3school.com.cn/xmldom/dom_nodetype.
获得子标签
现在要获得catalog的子标签以的标签name
复制代码
<?xml version="1.0" encoding="utf-8"?>
<catalog>
<maxid>4</maxid>
<login username="pytest" passwd='123456'>
<caption>python</caption>
<item id="4">
<caption>测试</caption>
</item>
</login>
<item id="2">
<caption>zope</caption>
</item>
</catalog>
复制代码
对于知道元素名字的子元素，可以使用getelementsbytagname方法获取：
复制代码
#coding=utf-8
import xml.dom.minidom
#打开xml文档
dom = xml.dom.minidom.parse('abc.xml')
#得到文档元素对象
root = dom.documentelement
bb = root.getelementsbytagname('maxid')
b= bb[0]
print b.nodename
bb = root.getelementsbytagname('login')
b= bb[0]
print b.nodename
复制代码
如何区分相同标签名字的标签：
复制代码
<?xml version="1.0" encoding="utf-8"?>
<catalog>
<maxid>4</maxid>
<login username="pytest" passwd='123456'>
<caption>python</caption>
<item id="4">
<caption>测试</caption>
</item>
</login>
<item id="2">
<caption>zope</caption>
</item>
</catalog>
复制代码
<caption>和<item>标签不止一个如何区分？
复制代码
#coding=utf-8
import xml.dom.minidom
#打开xml文档
dom = xml.dom.minidom.parse('abc.xml')
#得到文档元素对象
root = dom.documentelement
bb = root.getelementsbytagname('caption')
b= bb[2]
print b.nodename
bb = root.getelementsbytagname('item')
b= bb[1]
print b.nodename
复制代码
root.getelementsbytagname('caption') 获得的是标签为caption 一组标签，b[0]表示一组标签中的第一个；b[2] ，表示这一组标签中的第三个。
获得标签属性值
复制代码
<?xml version="1.0" encoding="utf-8"?>
<catalog>
<maxid>4</maxid>
<login username="pytest" passwd='123456'>
<caption>python</caption>
<item id="4">
<caption>测试</caption>
</item>
</login>
<item id="2">
<caption>zope</caption>
</item>
</catalog>
复制代码
<login>和<item>标签是有属性的，如何获得他们的属性？
复制代码
#coding=utf-8
import xml.dom.minidom
#打开xml文档
dom = xml.dom.minidom.parse('abc.xml')
#得到文档元素对象
root = dom.documentelement
itemlist = root.getelementsbytagname('login')
item = itemlist[0]
un=item.getattribute("username")
print un
pd=item.getattribute("passwd")
print pd
ii = root.getelementsbytagname('item')
i1 = ii[0]
i=i1.getattribute("id")
print i
i2 = ii[1]
i=i2.getattribute("id")
print i
复制代码
getattribute方法可以获得元素的属性所对应的值。
获得标签对之间的数据
复制代码
<?xml version="1.0" encoding="utf-8"?>
<catalog>
<maxid>4</maxid>
<login username="pytest" passwd='123456'>
<caption>python</caption>
<item id="4">
<caption>测试</caption>
</item>
</login>
<item id="2">
<caption>zope</caption>
</item>
</catalog>
复制代码
<caption>标签对之间是有数据的，如何获得这些数据？
获得标签对之间的数据有多种方法，
方法一
复制代码
#coding=utf-8
import xml.dom.minidom
#打开xml文档
dom = xml.dom.minidom.parse('abc.xml')
#得到文档元素对象
root = dom.documentelement
cc=dom.getelementsbytagname('caption')
c1=cc[0]
print c1.firstchild.data
c2=cc[1]
print c2.firstchild.data
c3=cc[2]
print c3.firstchild.data
复制代码
firstchild 属性返回被选节点的第一个子节点，.data表示获取该节点人数据。
方法二
复制代码
#coding=utf-8
from xml.etree import elementtree as et
per=et.parse('abc.xml')
p=per.findall('./login/item')
for oneper in p:
for child in oneper.getchildren():
print child.tag,':',child.text
p=per.findall('./item')
for oneper in p:
for child in oneper.getchildren():
print child.tag,':',child.text
复制代码
方法二有点复杂，所引用模块也与前面的不一样，findall用于指定在哪一级标签下开始遍历。
getchildren方法按照文档顺序返回所有子标签。并输出标签名（child.tag）和标签的数据（child.text）
如对本文有疑问， 点击进行留言回复！！
Python3以GitHub为例来实现模拟登录和爬取的实例讲解
我要评论
网友评论