t對象 有一個 back 兩個 代碼 highlight github attr logs

本書使用的文件、代碼：https://github.com/huangtao36/data_wrangling

---

---

機器可讀（machine readable）文件格式： 1、逗號分隔值（Comma-Separated Values, CSV） 2、JavaScript對象符號（JavaScript Object Notation, JSON） 3、可擴展標記語言（eXtensible Markup Language, XML）

第三章使用的數據文件：

---

---

XML數據

XML是一種標記語言，它具有包含格式化數據的文檔結構。本質是也只是格式特殊的數據文件。 要處理的數據樣本（XML基本數據格式）：

XML中有兩個位置可以保存數據：

　　　　1、兩個標簽之間：<Display>71</Display>

　　　　2、標簽的屬性：<Dim Category="SEX" Code="BTSX"/>——其中Category的屬性值是“SEX”，Code的屬性值是"BTSX"。

　　　　XML的屬性可以保存特定標簽的額外信息，這些標簽又嵌套在另一個標簽中。

實現代碼（基於Python3）

from xml.etree import ElementTree as ET

tree = ET.parse(‘data-text.xml‘)
root = tree.getroot()   #獲取樹的根元素

data = root.find(‘Data‘)

all_data = []

for observation in data:
    record = {}
    for item in observation:
        lookup_key_List = list(item.attrib.keys())
        lookup_key = lookup_key_List[0]
        if lookup_key == ‘Numeric‘:
            rec_key = ‘NUMERIC‘
            rec_value = item.attrib[‘Numeric‘]
        else:
            rec_key = item.attrib[lookup_key]
            rec_value = item.attrib[‘Code‘]
        record[rec_key] = rec_value
    all_data.append(record)

print (all_data)

輸出（部分）：

　　（輸出的是單行數據，為了直觀，這裏進行了處理。）

代碼解釋

from xml.etree import ElementTree as ET

本例中使用的是ElementTree、還可以使用lxml、minidom這兩種庫來解析XML文件，在此不做說明

獲取Data元素中的內容

　　由上面的樣本可知，我們使用的數據是包含在一個<Data>...</Data>中的，這裏使用根元素的find方法可以利用標簽名來搜索子元素。　

from xml.etree import ElementTree as ET

tree = ET.parse(‘data-text.xml‘)
root = tree.getroot()   #獲取樹的根元素

data = root.find(‘Data‘)
 

print (list(data))

輸出：

　　　　輸出的是一個列表，元素是<Observation> ........</Observation>標簽裏面的內容 　　　　我們的數據文件只有一個Data標簽，如果有多個Data標簽，可以將find函數改為findall函數來遍歷。

第三章——供機器讀取的數據（XML）