Python处理XML文件
🌲 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：
<?xml version="1.0" encoding="utf-8"?>
<Library libraryname="市中心图书馆">
<staff explanation="员工">
<people gender="男" name="小明"/>
<people gender="女" name="小花"/>
</staff>
<!-- 以下是书籍 -->
<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
<Library>，<staff>，<book>， <!-- -->,甚至元素的属性都是Node，多个Node组成Node List
但是，更确切的说<Library>,<staff>,<book>是Element，继承自Node。
<!-- -->是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() | str | NodeList | 搜索所有的子节点 |
createElement() | str | Element | 创建新元素节点 |
createTextNode() | str | Text | 创建文本节点 |
createComment() | str | Comment | 创建注释节点 |
createAttribute() | str | Attr | 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() | Node | Node | 添加节点 |
removeChild() | Node | Node | 删除节点 |
replaceChild() | Node,Node | Node | 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() | int | Node | 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() | str | ElementList | 从名字获取元素 |
hasAttribute() | str | bool | 判断是否有这个属性 |
getAttribute() | str | str | 获取属性的值 |
getAttributeNode() | str | Attr | 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 |
|---|---|---|
name | str | 属性名称 |
value | str | 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 minidom
from xml.dom.minidom import parse
doc=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.nodeValue
break # 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 getDOMImplementation
impl = getDOMImplementation()
doc_new = impl.createDocument(None, "top", None)
root = doc_new.documentElement
text = 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>腾讯云开发者
