python3基础：操作xml
XML 指的是可扩展标记语言(eXtensible Markup Language)，和json类似也是用于存储和传输数据，还可以用作配置文件。类似于HTML超文本标记语言，但是HTML所有的标签都是预定义的，而xml的标签可以随便定义。
XML元素
指从开始标签到结束标签的部分（均包括开始和结束）
一个元素可以包括：
- 其它元素
- 属性
- 文本
abc
- 混合以上所有
XML语法规则
- 所有的元素都必须有开始标签和结束标签，省略结束标签是非法的。如：
根元素
- 大小写敏感，以下是两个不同的标签
this is a test1
this is a test2
- xml文档必须有根元素
this is a test2
joy
- XML必须正确嵌套，父元素必须完全包住子元素。如：
this is a test2
- XML属性值必须加引号，元素的属性值都是一个键值对形式。如：
注意：元素book的category属性值python必须用引号括起来，单引号双引号都可以。如果属性值中包含单引号那么用双引号括起来，如果属性值包含单引号那么外面用双引号括起来。
XML命名规则
名称可以包含字母、数字以及其他字符
名称不能以数字或标点符号开头
名称不能以字母xml或XML开始
名称不能包含空格
可以使用任何名称，没有保留字
名称应该具有描述性，简短和简单，可以同时使用下划线。
避免“-”、“.”、“：”等字符
Xml的注释格式
Python对XML的解析
常见的XML编程接口有DOM和SAX,这两种接口处理XML文件的方式不同，使用场合也不同。python有三种方法解析XML：SAX，DOM和ElementTree
- DOM(Document Object Model)
DOM的解析器在解析一个XML文档时，一次性读取整个文档，把文档中所有元素保存在内存中的一个树结构里，之后利用DOM提供的不同函数来读取该文档的内容和结构，也可以把修改过的内容写入XML文件。由于DOM是将XML读取到内存，然后解析成一个树，如果要处理的XML文本比较大的话，就会很耗内存，所以DOM一般偏向于处理一些小的XML，（如配置文件）比较快。 - SAX(simple API for XML)
Python标准库中包含SAX解析器，SAX是用的是事件驱动模型，通过在解析XML过程
中触发一个个的事件并调用用户定义的回调函数来处理XML文件。
解析的基本过程：
读到一个XML开始标签，就会开始一个事件，然后事件就会调用一系列的函数去处理
一些事情，当读到一个结束标签时，就会触发另一个事件。所以，我们写XML文档入
如果有格式错误的话，解析就会出错。
这是一种流式处理，一边读一边解析，占用内存少。适用场景如下：
1、对大型文件进行处理；
2、只需要文件的部分内容，或者只需从文件中得到特定信息。
3、想建立自己的对象模型的时候。 - ElementTree(元素树)
ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。
注：因DOM需要将XML数据映射到内存中的树，一是比较慢，二是比较耗内存，而SAX流式读取XML文件，比较快，占用内存少，但需要用户实现回调函数（handler）
xml.dom解析XML
本次先介绍DOM方式操作XML,先建立名为book.xml的文件供后续使用。
learning math
张三
561
learning Python
李四
600
minidom.parse(parse=None,bufsie=None)
函数作用：使用parse解析器打开xml文档，并将其解析为DOM文档，也就是内存中的一棵树，并得到这个对象
doc.documentElement
获取xml文档对象，就是拿到DOM树的根
代码示例：
>>> from xml.dom.minidom import parse
>>> DOMTree=parse(r'book.xml')
>>> type(DOMTree)
>>> booklist=DOMTree.documentElement
>>> booklist
doc.toxml(encoding=None)
返回xml的文档内容
>>> booklist=DOMTree.documentElement
>>> print (booklist.toxml())
learning math
张三
561
learning Python
李四
600
node.lastChild
返回元素的最后一个子节点
node.firstChild
返回元素的首个子节点
代码示例：
>>> booklist.lastChild
>>> booklist.firstChild
getElementsByTagName(name)获取节点元素
获取xml文档中的某个父节点下具有相同节点名的节点对象的集合。返回的是list
代码示例：
from xml.dom.minidom import parse
#minidom解析器打开xml文档并将其解析为内存中的一棵树
DOMTree=parse(r'book.xml')
#获取xml文档对象，就是拿到树的根
booklist=DOMTree.documentElement
#获取booklist对象中所有book节点的list集合
books=booklist.getElementsByTagName('book')
print(books)
print (type(books))
print(books)
print('有%d个book节点'%len(books))
print('*'*40)
print('第一个book节点%s'%booklist.getElementsByTagName('book')[0])
print('*'*40)
print('第一个book节点节点内容%s'%booklist.getElementsByTagName('book')[0].toxml())
print('*'*40)
print('第一个title节点%s'%booklist.getElementsByTagName('title')[0].toxml())
hasAttribute(name)判断是否包含属性值
代码示例：
from xml.dom.minidom import parse
#minidom解析器打开xml文档并将其解析为内存中的一棵树
DOMTree=parse(r'book.xml')
#获取xml文档对象，就是拿到树的根
booklist=DOMTree.documentElement
print('DOM树的根对象：',booklist)
if booklist.hasAttribute('type'):
#判断根节点booklist是否有type属性
print('booklist 元素存在type属性')
else:
print('booklist 元素不存在type属性！！！')
if booklist.getElementsByTagName('book')[0].hasAttribute('category'):
#判断第一个book节点是否有category属性
print('第一个book节点存在category属性')
else:
print('第一个book节点不存在category属性！！！')
node.getAttribute(name):获取节点node的属性值
代码示例：’’‘Node.getAttribute获取节点的属性值’’’
from xml.dom.minidom import parse
#minidom解析器打开xml文档并将其解析为内存中的一棵树
DOMTree=parse(r'book.xml')
#获取xml文档对象，就是拿到树的根
booklist=DOMTree.documentElement
if booklist.hasAttribute('type'):
#判断根节点booklist是否有type属性
print('booklist 元素存在type属性')
print ('根节点booklist的type属性值为：',booklist.getAttribute('type'))
else:
print('booklist 元素不存在type属性！！！')
node.childNodes:返回节点node下所有的子节点组成的list
代码示例：’’‘node.childNodes’’’
from xml.dom.minidom import parse
#minidom解析器打开xml文档并将其解析为内存中的一棵树
DOMTree=parse(r'book.xml')
#获取xml文档对象，就是拿到树的根
booklist=DOMTree.documentElement
#获取booklist对象中所有book节点的list集合
books=booklist.getElementsByTagName('book')
print('第一个book元素的所有子节点：',books[0].childNodes)
获得标签属性
每一个结点都有它的nodeName，nodeValue，nodeType属性
node.nodeName
node.nodeValue #nodeValue是结点的值，只对文本结点有效
node.nodeType
代码示例：’’‘获取标签属性’’'
from xml.dom.minidom import parse
#minidom解析器打开xml文档并将其解析为内存中的一棵树
DOMTree=parse(r'movie.xml')
#获取xml文档对象，就是拿到树的根
collection=DOMTree.documentElement
print ('collection属性',collection.nodeName,collection.nodeValue,collection.nodeType)
#获取所有的movies节点
movies=collection.getElementsByTagName('movie')
#遍历集合，打印所有节点的nodename/nodeValue/nodeType
for movie in movies:
print ("*******************movie*******************")
for node in movie.childNodes:
print (node.nodeName,node.nodeValue,node.nodeType)
获取节点文本值
代码示例：’’‘获取节点文本值’’'
from xml.dom.minidom import parse
#minidom解析器打开xml文档并将其解析为内存中的一棵树
DOMTree=parse(r'book.xml')
#获取xml文档对象，就是拿到树的根
booklist=DOMTree.documentElement
if booklist.hasAttribute('type'):
#判断根节点booklist是否有type属性,有则获取并打印属性值
print('Root element is ',booklist.getAttribute('type'))
#获取booklist对象中所有的book节点的list集合
books=booklist.getElementsByTagName('book')
print('book节点的个数为：',len(books))
print('book节点的个数为：',books.length)
print ()
for book in books:
print ("*******************book*******************")
if book.hasAttribute('category'):
print ('category is ',book.getAttribute('category'))
#根据节点名title/author/pageNumber得到这些节点的集合list
title=book.getElementsByTagName('title')[0]
author=book.getElementsByTagName('author')[0]
pageNumber=book.getElementsByTagName('pageNumber')[0]
print ('title is ',title.childNodes[0].data)
print ('author is ',author.childNodes[0].data)
print ('pageNumber is ',pageNumber.childNodes[0].data)
node.hasChildNodes():判断是否有子节点
代码示例：’’‘node .hasChildNodes()’’'
from xml.dom.minidom import parse
#minidom解析器打开xml文档并将其解析为内存中的一棵树
DOMTree=parse(r'book.xml')
#获取xml文档对象，就是拿到树的根
booklist=DOMTree.documentElement
if booklist.hasAttribute('type'):
#判断根节点booklist是否有type属性,有则获取并打印属性值
print('Root element is ',booklist.getAttribute('type'))
#获取booklist对象中所有的book节点的list集合
books=booklist.getElementsByTagName('book')
print('book节点的个数为：',books.length)
print ()
if books[0].hasChildNodes():
print('存在子节点：',books[0].childNodes)
else:
print('不存在子节点')
主要方法总结:
minidom.parse(filename)：加载读取XML文件
doc.documentElement：获取XML文档对象
node.getAttribute(AttributeName)：获取XML节点属性值
node.getElementsByTagName(TagName)：获取XML节点对象集合
node.childNodes ：返回子节点列表。
node.childNodes[index].nodeValue：获取XML节点值
node.firstChild：访问第一个节点，等价于pagexml.childNodes[0]
返回Node节点的xml表示的文本：
doc = minidom.parse(filename)
doc.toxml(‘UTF-8’)
访问元素属性：
Node.attributes[“id”]
a.name #就是上面的 “id”
a.value #属性的值
root.nodeName/root.tagName：节点的名称
root.nodeValue：节点的值，文本节点才有值，其它节点返回的是None
root.nodeType：节点的类型
NodeType Named Constant
练习1：读取xml文件写入excel
代码示例：
‘’‘将xml文件写入到文件中’’’
from xml.dom.minidom import parse
from openpyxl import Workbook
DOMTree=parse(r’book.xml’)
booklist=DOMTree.documentElement
type_name=booklist.getAttribute(‘type’)
#获取第二个book对象的内容
book=booklist.getElementsByTagName(‘book’)[1]
book_name=book.getAttribute(‘category’)
title=book.getElementsByTagName(‘title’)[0].childNodes[0].data
author=book.getElementsByTagName(‘author’)[0].childNodes[0].data
pageNumber=book.getElementsByTagName(‘pageNumber’)[0].childNodes[0].data
wb=Workbook()
ws=wb.active
ws.append([book_name,title,author,pageNumber])
wb.save(r’book.xlsx’)
练习2：xml.dom解析xml的一个实例
xml文件内容：
War, Thriller
DVD
2003
PG
10
Talk about a US-Japan war
Anime, Science Fiction
DVD
1989
R
8
A schientific fiction
Anime, Action
DVD
4
PG
10
Vash the Stampede!
Comedy
VHS
PG
2
Viewable boredom
代码示例：’’‘xml.dom解析xml的一个实例’’’
from xml.dom.minidom import parse
#minidom解析器打开xml文档并将其解析为内存中的一棵树
DOMTree=parse(r'move.xml')
#获取xml文档对象，就是拿到树的根
collection=DOMTree.documentElement
if collection.hasAttribute('shelf'):
#判断根节点collection是否有shelf属性,有则获取并打印属性值
print('Root element is ',collection.getAttribute('shelf'))
#获取所有的movies节点
movies=collection.getElementsByTagName('movie')
#遍历集合，打印每部电影的详细信息
for movie in movies:
print ("*******************movie*******************")
my_list=[]
if movie.hasAttribute('title'):
print ('title is ',movie.getAttribute('title'))
for node in movie.childNodes:
my_list.append (node.nodeName)
type=movie.getElementsByTagName('type')[0]
print ('type is ',type.childNodes[0].data)
format=movie.getElementsByTagName('format')[0]
print ('format is ',format.childNodes[0].data)
if 'year' in my_list:
year=movie.getElementsByTagName('year')[0]
print ('year is ',year.childNodes[0].data)
rating=movie.getElementsByTagName('rating')[0]
print ('rating is ',rating.firstChild.data)
stars=movie.getElementsByTagName('stars')[0]
print ('stars is ',stars.childNodes[0].data)
description=movie.getElementsByTagName('description')[0]
print ('description is ',description.childNodes[0].data)
xml.dom创建XML文件
创建步骤：
1.创建XML空白文档
2.产生根对象
3.向根对象中加入数据
4.将xml内存对象写入文件
minidom.Document()创建xml空白文档
该方法用于创建一个空白的xml文档对象，并返回这个doc对象。每个xml文档都是一个Document对象，代表着内存中的DOM树
代码示例：’’‘minidom.Document()创建xml空白文档’’'
import xml.dom.minidom
#在内存中创建一个空的文档
doc=xml.dom.minidom.Document()
print(doc)
doc.createElement(tagName)
生成XML文档节点。参数表示待生成的节点名称
代码示例：
import xml.dom.minidom
#在内存中创建一个空的文档
doc=xml.dom.minidom.Document()
#创建一个根节点对象
root=doc.createElement('Manager')
print('添加的xml标签为：',root.tagName)
node.setAttribute(attname,value)
函数作用：给节点添加属性-值对（attribute）
参数说明：
attname：属性的名称
value：属性的值
代码示例：’’‘node.setAttribute(attname,value)’’'
import xml.dom.minidom
#在内存中创建一个空的文档
doc=xml.dom.minidom.Document()
#创建一个根节点对象
root=doc.createElement('Manager')
print('添加的xml标签为：',root.tagName)
#给根节点添加属性
root.setAttribute('name','kongsh')
value=root.getAttribute('name')
print('root元素的name属性为：',value)
doc.createTextNode(data)
给叶子节点添加文本节点
代码示例：’’‘doc.createTextNode(data)’’'
import xml.dom.minidom
#在内存中创建一个空的文档
doc=xml.dom.minidom.Document()
#创建一个根节点对象
root=doc.createElement('test')
print('添加的xml标签为：',root.tagName)
#给根节点添加属性
root.setAttribute('name','python')
value=root.getAttribute('name')
print('root元素的name属性为：',value)
#给根节点添加一个叶子节点
ceo=doc.createElement('person')
#给叶子节点ceo设置一个文本节点，用于显示文本内容
ceo.appendChild(doc.createTextNode('kongsh'))
print (ceo.tagName)
print ("给叶子节点添加文本节点成功")
parent.appendChild(childNode)
把子节点childNode添加到父节点parent中
代码示例：’’‘parent.appendChild(childNode)’’'
import xml.dom.minidom
#在内存中创建一个空的文档
doc=xml.dom.minidom.Document()
#创建一个根节点companys对象
root=doc.createElement('companys')
print('添加的xml标签为：',root.tagName)
#给根节点添加属性
root.setAttribute('name','公司信息')
#将根节点添加到文档对象中
doc.appendChild(root)
#给根节点添加一个叶子节点
company=doc.createElement('gloryroad')
#叶子节点下再嵌套叶子节点
name=doc.createElement('name')
#给节点添加文本节点
name.appendChild(doc.createTextNode('光荣之路'))
ceo=doc.createElement('CEO')
ceo.appendChild(doc.createTextNode('吴老师'))
#将各叶子节点添加到父节点company中
company.appendChild(name)
company.appendChild(ceo)
#将company节点添加到根节点companys中
root.appendChild(company)
print (doc.toxml())
doc.writexml():生成xml文档
函数作用：用于将内存中的xml文档树写入到文件中，并保存到本地磁盘。只有调用该方法后，才能将上面创建的存在于内存中的xml文档写入本地硬盘中，这时才能看到新建的xml文档
语法：
writexml(file,indent=’’,addindent=’’,newl=’’,endocing=None)
参数说明：
file：要保存为的文件对象名
indent：根节点的缩进方式
allindent：子节点的缩进方式
newl：针对新行，指明换行方式
encoding：保存文件的编码方式
代码示例：’’‘writexml(file,indent=’’,addindent=’’,newl=’’,endocing=None)’’'
import xml.dom.minidom
#在内存中创建一个空的文档
doc=xml.dom.minidom.Document()
#创建一个根节点companys对象
root=doc.createElement('companys')
print('添加的xml标签为：',root.tagName)
#给根节点添加属性
root.setAttribute('name','公司信息')
#将根节点添加到文档对象中
doc.appendChild(root)
#给根节点添加一个叶子节点
company=doc.createElement('gloryroad')
#叶子节点下再嵌套叶子节点
name=doc.createElement('name')
#给节点添加文本节点
name.appendChild(doc.createTextNode('光荣之路'))
ceo=doc.createElement('CEO')
ceo.appendChild(doc.createTextNode('吴老师'))
#将各叶子节点添加到父节点company中
company.appendChild(name)
company.appendChild(ceo)
#将company节点添加到根节点companys中
root.appendChild(company)
#此处需要用codecs.open可以指定编码方式
fp=open(r'company.xml','w','utf-8')
#将内存中的xml写入到文件
doc.writexml(fp,indent='',addindent='\t',newl='\n',encoding='utf-8')
fp.close()