目录

  • 前言
  • 准备
  • xml.dom对象
    • 1. Document
    • 2. Node
    • 3. NodeList
    • 4. Element
    • 5. Attr
  • 解析xml文档
    • 1.查找内容
      • 1.1 获取根元素:
      • 1.2 查找子元素:
      • 1.3 获取元素的属性:
      • 1.4 获取文本
    • 2. 增加内容
    • 3. 删除内容
    • 4. 更新属性
  • 创建xml文档

前言

XML全称是Extensible Markup Language,中文名为可扩展标记语言。对xml的介绍可以看一下w3c的介绍。网络中数据传输的常见格式有json、xml、txt等。json很简单,xml稍微复杂,但是在python面前都不是事。
python有三种方式解析xml文档:SAX,DOM,以及 ElementTree(引自 菜鸟教程-Python XML解析),sax有些复杂,dom简单但是解析速度上不如sax。但是咱就是说,都选择Python了,肯定是想“更简单”。所以本文主要介绍python通过DOM方式对xml文件的解析读取、创建、修改等操作。
python有内置的模块:xml.dom(xml.dom官方文档)和xml.dom.minidom(xml.dom.minidom官方文档),本文主要使用xml.dom.minidom这个内置模块。


准备

xml.dom.minidom是dom的最小实现方式。以下是在python文件中需要导入的代码:

from xml.dom import minidom

xml.dom对象

众所周知,python是面向对象的,xml.dom解析xml文档之后会返回一系列对象,对对象的操作来获取信息。
xml.dom解析xml文件,将文件内容解析为DOM,以下是常见的dom中的对象:

对象解释
DOMImplementation创建新的xml时有用
Node节点对象,文档中大多数对象的基本接口。像Element,Attr,Comment都继承自Node
NodeList节点列表对象,一系列节点的接口。
DocumentType文档类型对象,有关处理文档所需的声明的信息。
Document文档对象,表示整个文档的对象。
Element元素对象,文档层次结构中的元素节点。
Attr属性,元素节点上的属性值节点。
Comment注释对象,源文档中注释的表示形式。
Text文本对象,包含文档中文本内容的节点

对XML文档的所有的操作都是基于DOM对象的操作

假如现在有一个xml文档,文档内容如下所示:

<Library libraryname="市中心图书馆"><staff explanation="员工"><people gender="" name="小明"/><people gender="" name="小花"/></staff><bookShelf name="人文类书架"><book isbn="****" date="2022-10-1">莎士比亚文集</book><book isbn="****" date="2022-10-2">童话故事</book></bookShelf><bookShelf name="自然类书架"><book isbn="****" date="2022-10-1">python程序设计</book><book isbn="****" date="2022-10-2">C++程序设计</book></bookShelf></Library>

整个文档为Document
,,, ,甚至元素的属性都是Node,多个Node组成Node List
但是,更确切的说,,是Element,继承自Node。
Comment,也继承自Node。
其中的“莎士比亚文集”属于Text

1. Document

如果你想解析一篇xml文档,那么获取Document是解析的第一步。document包括从根到叶的所有内容
解析文档获取document对象:

from xml.dom.minidom import parse # 这个用来解析xml文档# from xml.dom.minidom import parseString # 这个用来解析xml字符串doc = parse("./test.xml")

document的方法和属性如下:

属性/方法参数返回值解释
documentElement/Element返回根节点,根节点只能有一个
getElementsByTagName()strNodeList搜索所有的子节点
createElement()strElement创建新元素节点
createTextNode()strText创建文本节点
createComment()strComment创建注释节点
createAttribute()strAttr创建属性节点

2. Node

很多对象都是继承自Node,下面是一些Node的方法或者属性

属性/方法参数返回值解释
nodeType/int返回节点的类型
nodeName/str获取节点名称,一般用于获取element名称
nodeValue/str获取节点值,一般用于获取注释值
childNodes/NodeList返回所有类型的节点
firstChild/Node得到第一个节点
lastChild/Node得到最后一个节点
hasAttributes()/bool判断是否有属性
hasChildNodes()/bool判断是否有子节点
appendChild()NodeNode添加节点
removeChild()NodeNode删除节点
replaceChild()Node,NodeNode替换节点

3. NodeList

使用getElementsByTagName()函数通常返回的是Node列表,

属性/方法参数返回值解释
length/int返回包含Node的数量
item()intNode返回第i个Node

4. Element

Element对象时我们操作最频繁的对象,我们查找元素内容时,往往都是通过getElementsByTagName()来获取元素,再通过Element的一些方法来获取内容。

属性/方法参数返回值解释
tagName/str元素的名称
attributes/NodeMap返回多个属性对象,类型是字典,遍历的时候要注意
getElementsByTagName()strElementList从名字获取元素
hasAttribute()strbool判断是否有这个属性
getAttribute()strstr获取属性的值
getAttributeNode()strAttr返回属性节点
removeAttribute()str删除属性
setAttribute()str(属性名),str(属性值)设置属性

5. Attr

属性返回值解释
namestr属性名称
valuestr属性值

解析xml文档

对已有的xml文档处理,无非是查找信息、增添内容、删除内容、更改内容的操作。

1.查找内容

from xml.dom import minidomfrom xml.dom.minidom import parsedoc=parse("./test.xml")

1.1 获取根元素:

root=doc.documentElement# 获取根元素名称root.tagName# 或者: root.nodeName# 获取根元素类型root.nodeName # 输出的是元素类型

1.2 查找子元素:

查找子元素是主要针对元素来讲的,下面的element指的是xml文档中的Element对象

# 获取元素下面的所有子元素数量element.childNodes.length# 遍历元素下面的所有子元素for child_node in element.childNodes:print("节点类型",child_node.nodeType)print("节点名称",child_node.nodeName)# 获取元素下的位置为i的子节点(注意这是“节点”,不是“元素”;节点包括注释)child_node =element.childNodes.item(i)# 根据元素名查找elements=root.getElementsByTagName("bookShelf")# 遍历for element in elements:print("元素名称:",element.tagName)# 从ElementList找位置为i的元素print("i处位置的元素:",elements[i]) # 或者elements.item(i)

1.3 获取元素的属性:

# 获取元素的所有属性对象element.attributes # 返回的对象可以像字典一样遍历,想获取属性的名称和值需要遍历# 遍历元素下的所有属性的名称和值for key,value in element.attributes.items(): # 像字典一样遍历print("属性名:",key)print("属性值:",value)# 获取特定属性element.getAttribute("attr_name") 

1.4 获取文本

如果想获取book元素中的“莎士比亚文集”文本内容,需要通过Text对象操作。

<book isbn="****" date="2022-10-1">莎士比亚文集</book>

Text对象本质上还是Node对象,可以使用firstChild()来获得。

elements=root.getElementsByTagName("book")for element in elements:print("元素里的文本内容:",element.firstChild.data) # 或者是element.firstChild.nodeValuebreak # 只显示第一个book元素中的文本

2. 增加内容

创建内容需要使用document的create***()方法创建。然后将创建好的子节点使用元素的append()添加进去。
元素添加属性,需要使用setAttribute()
以下是向第一个bookshelf添加一本book元素的例子

doc=parse("./test.xml")bookShelf1=doc.getElementsByTagName("bookShelf")[0]new_book=doc.createElement("book")new_book.setAttribute("isbn","******")new_book.setAttribute("date","2022-10-3")new_book.appendChild(doc.createTextNode("鲁迅全集"))bookShelf1.appendChild(new_book)

最后需要将编辑的结果保存在文档中:

with open("test.xml", "w", encoding="utf-8") as f:doc.writexml(f, indent='', addindent='\t', newl='\n', encoding="utf-8")

添加注释同理

3. 删除内容

删除节点需要使用节点对象的removeChild();删除属性需要使用元素对象的removeAttribute()。
以下是删除刚添加的《鲁迅文集》这本书

bookShelf1=doc.getElementsByTagName("bookShelf")[0]book_delete=bookShelf1.getElementsByTagName("book").item(2) # 把刚才的鲁迅文集这本书删除bookShelf1.removeChild(book_delete)

删除之后别忘了保存到文件

4. 更新属性

更新节点可以使用节点对象的replace()方法;更改属性还是使用setAttribute()


创建xml文档

前面所述都是在已有xml文档的情况下操作。但是想新建一个新的xml文档怎么办?需要使用DOMImplementation来创建一个新document,然后使用writexml()保存就可以

例子:

from xml.dom.minidom import getDOMImplementationimpl = getDOMImplementation()doc_new = impl.createDocument(None, "top", None)root = doc_new.documentElementtext = doc_new.createTextNode('内容')root.appendChild(text)# 保存with open("new.xml", "w", encoding="utf-8") as f:doc_new.writexml(f, indent='', addindent='\t', newl='\n', encoding="utf-8")

最后生成的结果如下:

<?xml version="1.0" encoding="utf-8"?><top>内容</top>