《使用minidom来处理XML的示例(Python 学习)(转载)》由会员分享，可在线阅读，更多相关《使用minidom来处理XML的示例(Python 学习)(转载)（10页珍藏版）》请在金锄头文库上搜索。
1、http:/ 述一下，如何使用minidom来读取和保存XML文件。下面是片段分类的一个示例文件-catalog.xml?xml version=1.0 encoding=utf-8?catalogmaxid4/maxidcaptionPython/captioncaptio n测试/captionitem id二2captionZope/caption/catalog分类是树状结构，显示出来可能为：Python测试Zope先简单介绍一下XML的知识，如果你已经知道了可以跳过去。1. XML文档的编码此XML文档的编码为utf-8,因此你看到的测试其实是UTF-8编码。在XML文档的处理中都是
2、使用UTF-8编码进行的，因 此,如果你不写明encoding的话，都是认为文件是UTF-8编码的。在Python中，好象只支持几种编码,象我们常用的GB2312 码就不支持，因此建议大家在处理XML时使用UTF-8编码。2. XML文档的结构XML文档有XML头信息和XML信息体。头信息如：?xml version二1.0 encoding二utf-8? 它表明了此XML文档所用的版本，编码方式。有些复杂的还有一些文档类型的定义(DOCTYPE),用于定义此XML文档所用的 DTD或Schema和一些实体的定义。这里并没有用到，而且我也不是专家，就不再细说了。XML信息体是由树状元素组成。每
3、个XML文档都有一个文档元素，也就是树的根元素，所有其它的元素和内容都包含在根元 素中。3. DOMDOM是Document Object Model的简称，它是以对象树来表示一个XML文档的方法，使用它的好处就是你可以非常灵活的 在对象中进行遍历。4. 元素和结点元素就是标记，它是成对出现的oXML文档就是由元素组成的，但元素与元素之间可以有文本,元素的内容也是文本。在minidom 中有许多的结点，元素也属于结点的一种，它不是叶子结点，即它存在子结点；还存在一些叶子结点，如文本结点，它下面不 再有子结点。象catalog.xml中，文档元素是catalog，它下面有两种元素：maxid和i
4、tem。maxid用来表示当前最大的item的id值。每一个item都有一个id属性，id属性是唯一的，在NewEdit中用来生成每个分类所对应的代码片段的XML文档名，因此 不能重复，而且它是一个递增的值。item元素有一个caption子元素，用来表示此分类项的名称，它还可以包含item元素。 这样，就定义了一个树状XML结构，下面让我们看一看如果把它们读出来。一、得到dom对象import xml.dom.minidomdom = xml.dom.minidom.parse(d:/catalog.xml)这样我们得到了一个dom对象，它的第一个元素应该是catalog。二、得到文档元素对
5、象 root = dom.documentElement这样我们得到了根元素(catalog) 三、结点属性每一个结点都有它的nodeName，nodeValue，nodeType属性。nodeName为结点名字。root.nodeNameucatalognodeValue是结点的值，只对文本结点有效。nodeType是结点的类型，现在有以下几种：ATTRIBUTE_NODECDATA_SECTION_NODEC0MMENT_N0DEDOCUMENT_FRAGMENT_NODEDOCUMENT NODEDOCUMENT_TYPE_NODEELEMENT_NODEENTITY_NODEENTIT
6、Y_REFERENCE_NODENOTATION_NODEPROCESSING_INSTRUCTION_NODETEXT_NODE这些结点通过名字很好理解。catalog是ELEMENT_NODE类型。root.nodeType1root.ELEMENT_NODE1四、子元素、子结点的访问访问子元素、子结点的方法很多，对于知道元素名字的子元素，可以使用getElementsByTagName方法，如读取maxid子 元素：root.getElementsByTagName（maxid）DOM Element: maxid at 0xb6d0a8这样返回一个列表，由于我们的例子中maxid只有一
7、项，因此列表也只有一项。如果想得到某个元素下的所有子结点（包括元素），可以使用childNodes属性：root.childNodesDOM Text node n，D0M Element: maxid at 0xb6d0a8，DOM Text node n，DOM Element:item at 0xb6d918， DOM Text node n， DOM Element: item at 0xb6de40， DOM Text noden， DOM Element: item at 0xb6dfa8， DOM Text node n可以看出所有两个标记间的内容都被视为文本结点。象每行后面的回
8、车，都被看到文本结点。从上面的结果我们可以看出每个 结点的类型，本例中有文本结点和元素结点；结点的名字（元素结点）；结点的值（文本结点）。每个结点都是一个对象，不 同的结点对象有不同的属性和方法，更详细的要参见文档。由于本例比较简单，只涉及文本结点和元素结点。getElementsByTagName可以搜索当前元素的所有子元素，包括所有层次的子元素。childNodes只保存了当前元素的第一 层子结点。这样我们可以遍历childNodes来访问每一个结点，判断它的nodeType来得到不同的内容。如，打印出所有元素的名字：for node in root.childNodes:if node.
9、nodeType = node.ELEMENT_NODE:print node.nodeNamemaxiditem item 对于文本结点，想得到它的文本内容可以使用：.data属性。对于简单的元素，如：Python,我们可以编写这样一个函数来得到它的内容(这里为Python)。def getTagText(root, tag):node = root.getElementsByTagName(tag)0 rc =for node in node.childNodes:if node.nodeType in ( node.TEXT_NODE, node.CDATA_SECTION_NODE):
10、rc = rc + node.datareturn rc这个函数只处理找到的第一个符合的子元素。它会将符合的第一个子元素中的所有文本结点拼在一起。当nodeType为文本类结点时，node.data为文本的内容。如果我们考查一下元素caption，我们可能看到：DOM Text node Python说明caption元素只有一个文本结点。如果一个元素有属性，那么可以使用getAttribute方法，如：itemlist = root.getElementsByTagName(item)item = itemlist0item.getAttribute(id)ui这样就得到了第一个item元素
11、的属性值。下面让我们简单地小结一下如何使用minidom来读取XML中的信息1. 导入xml.dom.minidom模块，生成dom 对象2. 得到文档对象(根对象)3. 通过getElementsByTagName()方法和childNodes属性(还有其它一些方法和属性)找到要处理的元素4. 取得元素下文本结点的内容.写入.下面我来演示一下如何从无到有生成象catalog.xml 一样的XML文件。一、生成dom对象import xml.dom.minidomimpl = xml.dom.minidom.getDOMImplementation()dom = impl.createDocu
12、ment(None, catalog, None)这样就生成了一个空的dom对象。其中catalog为文档元素名，即根元素名。二、显示生成的XML内容每一个dom结点对象(包括dom对象本身)都有输出XML内容的方法，如：toxml(), toprettyxml()toxml()输出紧凑格式的XML文本，如：catalogitemtest/itemitemtest/item/catalogtoprettyxml()输出美化后的XML文本，如：catalogitemtest/itemitemtest/item/catalog可以看出，它是将每个结点后面都加入了回车符，并且自动处理缩近。但对于每一
13、个元素，如果元素只有文本内容，则我希望元素的tag与文本是在一起的，如：itemtest/item而不想是分开的格式，但minidom本身是不支持这样的处理。关于如何实现形如：catalogitemtest/itemitemtest/item/catalog这样的XML格式，后面我们再说。三、生成各种结点对象dom对象拥有各种生成结点的方法，下面列出文本结点，CDATA结点和元素结点的生成过程。1. 文本结点的生成text二dom.createTextNode(test)test要注意的是，在生成结点时，minidom并不对文本字符进行检查，象文本中如果出现了,&之类的字符，应该转换为相应的 实体符号<, &才可以，这里没有做这个处理。2. CDATA结点的生成data = dom.createCDATASection(aaaaaanbbbbbb)data.toxml()！CDATAaaaaaanbbbbbbCDATA是用于包括大块文本，同时可以不用转换,&字符的标
