前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【Python】解析 Xml 格式的文档

【Python】解析 Xml 格式的文档

作者头像
杨丝儿
发布2022-02-25 20:18:50
1.8K0
发布2022-02-25 20:18:50
举报
文章被收录于专栏:杨丝儿的小站

xml 文档,无非就是一个树状的数据仓库,最基础的部分也就四个:增删改查。

解析树状结构

  • 从硬盘读取
  • 从字符串读取

注意:xml.etree.ElementTree模块在应对恶意结构数据时显得并不安全。

代码语言:javascript
复制
from xml.etree import ElementTree

# import data from our dataset
tree = ElementTree.parse([path of xml file])

# pick the root of xml tree
root = tree.getroot()

注意:从字符串读取时不需要parse,因为fromstring直接返回的就是我们的root节点。

代码语言:javascript
复制
from xml.etree import ElementTree

# pick the root of xml tree
root = ElementTree.fromstring(country_data_as_string)

其中,tree比较好理解,就是我们的xml文件的树。root也就是我们的根节点。

root属于element对象,有以下几个属性:

  1. tag:string对象,表示数据代表的种类。
  2. attrib:dictionary对象,表示附有的属性。
  3. text:string对象,表示element的内容。
  4. tail:string对象,表示element闭合之后的尾迹。
  5. 若干子元素(child elements)。这些子元素可以通过index索引。
代码语言:javascript
复制
<tag attrib1=1>text</tag>tail
  1     2        3         4

小技巧:若想加快速度,可以使用C语言编译的API xml.etree.cElementTree。在import时考虑优先导入,代码修改如下。

代码语言:javascript
复制
try:
    import xml.etree.cElementTree as ET
except ImportError:
    import xml.etree.ElementTree as ET

ElementTree.Element Class

代码语言:javascript
复制
class xml.etree.ElementTree.Element(tag, attrib={}, **extra)

    # 属性
    tag:string,元素代表的数据种类。
    attrib:dictionary,元素的属性字典。
    text:string,元素的内容。
    tail:string,元素的尾形。
    
    # 针对属性的操作
    clear():清空元素的后代、属性、text和tail也设置为None。
    get(key, default=None):获取key对应的属性值,如该属性不存在则返回default值。
    items():根据属性字典返回一个列表,列表元素为(key, value)。
    keys():返回包含所有元素属性键的列表。
    set(key, value):设置新的属性键与值。

    # 针对后代的操作
    ## 增加新的element
    append(subelement):添加直系子元素。
    extend(subelements):增加一串元素对象作为子元素。
    insert(index, element):在指定位置插入子元素。

    ## 删除element
    remove(subelement):删除子元素。

    ## 遍历elements,得到iter或者list
    find(match):寻找第一个匹配子元素,匹配对象可以为tag或path。
    findall(match):寻找所有匹配子元素,匹配对象可以为tag或path。
    findtext(match):寻找第一个匹配子元素,返回其text值。匹配对象可以为tag或path。
    iter(tag=None):生成遍历当前元素所有后代或者给定tag的后代的迭代器。
    iterfind(match):根据tag或path查找所有的后代。
    itertext():遍历所有后代并返回text值。

ElementTree Object

代码语言:javascript
复制
class xml.etree.ElementTree.ElementTree(element=None, file=None)
    element如果给定,则为新的ElementTree的根节点。

    _setroot(element):用给定的element替换当前的根节点。慎用。
    getroot():获取根节点。
    
    parse(source, parser=None):装载xml对象,source可以为文件名或文件类型对象。
    
    # 写回方法write
    write(file, encoding="us-ascii", xml_declaration=None, default_namespace=None,method="xml")

    # 以下方法与Element类中同名方法近似,区别在于它们指定以根节点作为操作对象。
    find(match)
    findall(match)
    findtext(match, default=None)
    iter(tag=None)
    iterfind(match)

增删改查

我思考了一下,面向对象的方法更容易思考,也更容易整理思路。在实际使用的时候要把上面的这些作为某一个xml文件对象的方法然后整理成一个单独的Class。

AI-tuner 小项目中的实际应用:

代码语言:javascript
复制
class xmlResolver(xmlFilePath)
    xmlWri

Python 面向对象回顾

方法

self 代表类的实例,self 在定义类的方法时是必须有的,虽然在调用时不必传入相应的参数。

init()方法是一种特殊的方法,被称为类的构造函数或初始化方法,当创建了这个类的实例时就会调用该方法。

类的内置属性

dict : 类的属性(包含一个字典,由类的数据属性组成)

doc :类的文档字符串

name: 类名

module: 类定义所在的模块(类的全名是’main.className’,如果类位于一个导入模块mymod中,那么className.module 等于 mymod)

bases : 类的所有父类构成元素(包含了一个由所有父类组成的元组)

子类父类

代码语言:javascript
复制
class 派生类名(基类名)
    ...

注意:python允许多父类继承,叫做多重继承。

然后方法重写的概念在python中是指子类重写父类的方法,这一点和Java有出入。

基础的重载方法

序号

方法

描述

简单应用

1

init ( self [,args…] )

构造函数

简单的调用方法: obj = className(args)

2

del( self )

析构方法, 删除一个对象

简单的调用方法 : del obj

3

repr( self )

转化为供解释器读取的形式

简单的调用方法 : repr(obj)

4

str( self )

用于将值转化为适于人阅读的形式

简单的调用方法 : str(obj)

5

cmp ( self, x )

对象比较

简单的调用方法 : cmp(obj, x)

私有类方法

__private_method:两个下划线开头,声明该方法为私有方法,不能在类的外部调用。在类的内部调用 self.__private_methods

单下划线、双下划线、头尾双下划线说明

foo: 定义的是特殊方法,一般是系统定义名字 ,类似 init() 之类的。

_foo: 以单下划线开头的表示的是 protected 类型的变量,即保护类型只能允许其本身与子类进行访问,不能用于 from module import *

__foo: 双下划线的表示的是私有类型(private)的变量, 只能是允许这个类本身进行访问了。

参考资料

  1. Python 标准库之 xml.etree
  2. Python 面向对象
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2020-12-27,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 解析树状结构
  • ElementTree.Element Class
  • ElementTree Object
  • 增删改查
  • Python 面向对象回顾
    • 方法
      • 类的内置属性
        • 子类父类
          • 基础的重载方法
            • 私有类方法
              • 单下划线、双下划线、头尾双下划线说明
              • 参考资料
              领券
              问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档