Python 读取xml文件

1. 介绍

XML（可扩展标记语言）是一种常用的文本格式，用于存储和传输数据。在Python中，我们可以使用各种库来读取和处理XML文件。本文将介绍如何使用Python读取XML文件，并展示一些常用的方法和技巧。

2. XML文件的结构

XML文件由元素（element）和属性（attribute）组成。元素可以包含其他元素或文本内容，而属性是与元素相关联的键值对信息。

下面是一个例子，展示了一个简单的XML文件的结构：

<?xml version="1.0" encoding="UTF-8"?>
<bookstore>
  <book category="cooking">
    <title lang="en">Everyday Italian</title>
    <author>Giada De Laurentiis</author>
    <year>2005</year>
    <price>30.00</price>
  </book>
  <book category="children">
    <title lang="en">Harry Potter</title>
    <author>J.K. Rowling</author>
    <year>2005</year>
    <price>29.99</price>
  </book>
</bookstore>

在这个例子中，bookstore是根元素，它包含了两个book元素。每个book元素有一个category属性，并包含title、author、year和price元素。

3. 使用Python读取XML文件

在Python中，我们可以使用多个库来读取和处理XML文件，例如xml.etree.ElementTree、xml.dom.minidom和lxml等。下面是使用这些库的示例代码：

3.1 使用xml.etree.ElementTree

xml.etree.ElementTree是Python的内置库，它提供了一个简单的API来解析和操作XML文档。

首先，我们需要将XML文件加载到内存中，然后使用ElementTree库将其解析为一个树状结构。以下是具体步骤：

import xml.etree.ElementTree as ET

# 加载XML文件
tree = ET.parse('books.xml')

# 获取根元素
root = tree.getroot()

现在，我们可以通过root对象访问XML文件中的元素和属性。下面是一些示例代码：

# 遍历根元素的子元素
for child in root:
    print(child.tag, child.attrib)

输出结果：

bookstore {}

# 遍历book元素
for book in root.findall('book'):
    print(book.find('title').text)
    print(book.find('author').text)
    print(book.find('year').text)
    print(book.find('price').text)

输出结果：

Everyday Italian
Giada De Laurentiis
2005
30.00
Harry Potter
J.K. Rowling
2005
29.99

3.2 使用xml.dom.minidom

xml.dom.minidom是Python的内置库，它提供了一种面向对象的API来解析和操作XML文档。

首先，我们需要将XML文件加载到内存中，然后使用minidom库将其解析为一个DOM对象。以下是具体步骤：

import xml.dom.minidom

# 加载XML文件
dom = xml.dom.minidom.parse('books.xml')

# 获取根元素
root = dom.documentElement

现在，我们可以通过root对象访问XML文件中的元素和属性。下面是一些示例代码：

# 获取根元素的属性
print(root.getAttribute('category'))

输出结果：

cooking

# 获取所有book元素
books = root.getElementsByTagName('book')

# 遍历book元素
for book in books:
  # 获取title元素
  title = book.getElementsByTagName('title')[0]
  print(title.firstChild.nodeValue)

  # 获取author元素
  author = book.getElementsByTagName('author')[0]
  print(author.firstChild.nodeValue)

  # 获取year元素
  year = book.getElementsByTagName('year')[0]
  print(year.firstChild.nodeValue)

  # 获取price元素
  price = book.getElementsByTagName('price')[0]
  print(price.firstChild.nodeValue)

输出结果：

Everyday Italian
Giada De Laurentiis
2005
30.00
Harry Potter
J.K. Rowling
2005
29.99

3.3 使用lxml

lxml是一个基于C语言的XML处理库，它提供了高性能和易用的API来解析和操作XML文档。

首先，我们需要安装lxml库。在命令行中执行以下命令即可：

pip install lxml

然后，我们可以使用lxml库来解析XML文件。以下是具体步骤：

from lxml import etree

# 加载XML文件
tree = etree.parse('books.xml')

# 获取根元素
root = tree.getroot()

现在，我们可以通过root对象访问XML文件中的元素和属性。下面是一些示例代码：

# 遍历根元素的子元素
for child in root:
    print(child.tag, child.attrib)

输出结果：

bookstore {}

# 遍历book元素
books = root.xpath('book')

for book in books:
    title = book.xpath('title/text()')[0]
    author = book.xpath('author/text()')[0]
    year = book.xpath('year/text()')[0]
    price = book.xpath('price/text()')[0]

    print(title)
    print(author)
    print(year)
    print(price)

输出结果：

Everyday Italian
Giada De Laurentiis
2005
30.00
Harry Potter
J.K. Rowling
2005
29.99

4. 结论

本文介绍了如何使用Python读取XML文件。我们通过示例代码演示了三个库：xml.etree.ElementTree、xml.dom.minidom和lxml的使用方法。无论您选择哪个库，都可以轻松地读取和处理XML文件。