問題

你想從一個簡單的XML文件中提取資料。

解決方案

可以使用 xml.etree.ElementTree 模組從簡單的XML文件中提取資料。為了演示，假設你想解析Planet Python上的RSS源。下面是相應的程式碼：

from urllib.request import urlopen
from xml.etree.ElementTree import parse

# Download the RSS feed and parse it
u = urlopen('http://planet.python.org/rss20.xml')
doc = parse(u)

# Extract and output tags of interest
for item in doc.iterfind('channel/item'):
  title = item.findtext('title')
  date = item.findtext('pubDate')
  link = item.findtext('link')

  print(title)
  print(date)
  print(link)
  print()

執行上面的程式碼，輸出結果類似這樣：

Steve Holden: Python for Data Analysis
Mon,19 Nov 2012 02:13:51 +0000
http://holdenweb.blogspot.com/2012/11/python-for-data-analysis.html

Vasudev Ram: The Python Data model (for v2 and v3)
Sun,18 Nov 2012 22:06:47 +0000
http://jugad2.blogspot.com/2012/11/the-python-data-model.html

Python Diary: Been playing around with Object Databases

Sun,18 Nov 2012 20:40:29 +0000
http://www.pythondiary.com/blog/Nov.18,2012/been-...-object-databases.html

Vasudev Ram: Wakari,Scientific Python in the cloud
Sun,18 Nov 2012 20:19:41 +0000
http://jugad2.blogspot.com/2012/11/wakari-scientific-python-in-cloud.html

Jesse Jiryu Davis: Toro: synchronization primitives for Tornado coroutines

Sun,18 Nov 2012 20:17:49 +0000
http://feedproxy.google.com/~r/EmptysquarePython/~3/_DOZT2Kd0hQ/

很顯然，如果你想做進一步的處理，你需要替換 print() 語句來完成其他有趣的事。

討論

在很多應用程式中處理XML編碼格式的資料是很常見的。不僅是因為XML在Internet上面已經被廣泛應用於資料交換，同時它也是一種儲存應用程式資料的常用格式(比如字處理，音樂庫等)。接下來的討論會先假定讀者已經對XML基礎比較熟悉了。

在很多情況下，當使用XML來僅僅儲存資料的時候，對應的文件結構非常緊湊並且直觀。例如，上面例子中的RSS訂閱源類似於下面的格式：

<?xml version="1.0"?>
<rss version="2.0" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel>
    <title>Planet Python</title>
    <link>http://planet.python.org/</link>
    <language>en</language>
    <description>Planet Python - http://planet.python.org/</description>
    <item>
      <title>Steve Holden: Python for Data Analysis</title>
      <guid>http://holdenweb.blogspot.com/...-data-analysis.html</guid>
      <link>http://holdenweb.blogspot.com/...-data-analysis.html</link>
      <description>...</description>
      <pubDate>Mon,19 Nov 2012 02:13:51 +0000</pubDate>
    </item>
    <item>
      <title>Vasudev Ram: The Python Data model (for v2 and v3)</title>
      <guid>http://jugad2.blogspot.com/...-data-model.html</guid>
      <link>http://jugad2.blogspot.com/...-data-model.html</link>
      <description>...</description>
      <pubDate>Sun,18 Nov 2012 22:06:47 +0000</pubDate>
    </item>
    <item>
      <title>Python Diary: Been playing around with Object Databases</title>
      <guid>http://www.pythondiary.com/...-object-databases.html</guid>
      <link>http://www.pythondiary.com/...-object-databases.html</link>
      <description>...</description>
      <pubDate>Sun,18 Nov 2012 20:40:29 +0000</pubDate>
    </item>
    ...
  </channel>
</rss>

xml.etree.ElementTree.parse() 函式解析整個XML文件並將其轉換成一個文件物件。 然後，你就能使用 find() 、iterfind() 和 findtext() 等方法來搜尋特定的XML元素了。 這些函式的引數就是某個指定的標籤名，例如 channel/item 或 title 。 每次指定某個標籤時，你需要遍歷整個文件結構。每次搜尋操作會從一個起始元素開始進行。 同樣，每次操作所指定的標籤名也是起始元素的相對路徑。 例如，執行 doc.iterfind('channel/item') 來搜尋所有在 channel 元素下面的 item 元素。 doc 代表文件的最頂層(也就是第一級的 rss 元素)。 然後接下來的呼叫 item.findtext() 會從已找到的 item 元素位置開始搜尋。 ElementTree 模組中的每個元素有一些重要的屬性和方法，在解析的時候非常有用。 tag 屬性包含了標籤的名字，text 屬性包含了內部的文字，而 get() 方法能獲取屬性值。例如：

>>> doc
<xml.etree.ElementTree.ElementTree object at 0x101339510>
>>> e = doc.find('channel/title')
>>> e
<Element 'title' at 0x10135b310>
>>> e.tag
'title'
>>> e.text
'Planet Python'
>>> e.get('some_attribute')
>>>

有一點要強調的是 xml.etree.ElementTree 並不是XML解析的唯一方法。對於更高階的應用程式，你需要考慮使用 lxml 。它使用了和ElementTree同樣的程式設計介面，因此上面的例子同樣也適用於lxml。你只需要將剛開始的import語句換成 from lxml.etree import parse 就行了。lxml 完全遵循XML標準，並且速度也非常快，同時還支援驗證，XSLT和XPath等特性。

以上就是Python 解析簡單的XML資料的詳細內容，更多關於Python 解析XML的資料請關注我們其它相關文章！