使用Python解析XML数据（一）

什么是xml？

xml即可扩展标记语言，它可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。

<?xml version="1.0" encoding="utf-8"?>
<catalog>
    <maxid>4</maxid>
    <login username="pytest" passwd='123456'>
        <caption>Python</caption>
        <item id="4">
            <caption>测试</caption>
        </item>
    </login>
    <item id="2">
        <caption>Zope</caption>
    </item>
</catalog>

从结构上，它很像我们常见的HTML超文本标记语言。但他们被设计的目的是不同的，超文本标记语言被设计用来显示数据，其焦点是数据的外观。它被设计用来传输和存储数据，其焦点是数据的内容。

它有如下特征：

首先，它是有标签对组成，
标签可以有属性：
标签对可以嵌入数据：abc
标签可以嵌入子标签（具有层级关系）

获得标签属性

#coding=utf-8
import  xml.dom.minidom

#打开xml文档
dom = xml.dom.minidom.parse('abc.xml')

#得到文档元素对象
root = dom.documentElement
print root.nodeName
print root.nodeValue
print root.nodeType
print root.ELEMENT_NODE

mxl.dom.minidom 模块被用来处理xml文件，所以要先引入。

xml.dom.minidom.parse() 用于打开一个xml文件，并将这个文件对象解析为dom变量。

documentElement 用于得到dom对象的文档元素，并把获得的对象给root

每一个结点都有它的nodeName，nodeValue，nodeType属性。

nodeName为结点名字。

nodeValue是结点的值，只对文本结点有效。

nodeType是结点的类型，有以下类型：
现在有以下几种：

‘ATTRIBUTE_NODE’
‘CDATA_SECTION_NODE’
‘COMMENT_NODE’
‘DOCUMENT_FRAGMENT_NODE’
‘DOCUMENT_NODE’
‘DOCUMENT_TYPE_NODE’
‘ELEMENT_NODE’
‘ENTITY_NODE’
‘ENTITY_REFERENCE_NODE’
‘NOTATION_NODE’
‘PROCESSING_INSTRUCTION_NODE’ ‘TEXT_NODE’

NodeTypes - 有名常数
http://www.w3school.com.cn/xmldom/dom_nodetype.asp

获得子标签

<?xml version="1.0" encoding="utf-8"?>
<catalog>
       <maxid>4</maxid>
       <login username="pytest" passwd='123456'>
            　　<caption>Python</caption>
             <item id="4">
                    <caption>测试</caption>
            </item>
    </login>
    <item id="2">
            <caption>Zope</caption>
    </item>
</catalog>

对于知道元素名字的子元素，可以使用getElementsByTagName方法获取：

#coding=utf-8
import  xml.dom.minidom

dom = xml.dom.minidom.parse('abc.xml')#打开xml文档

#得到文档元素对象
root = dom.documentElement
#在DOM树中查找指定元素
maxid_Node = root.getElementsByTagName('maxid')[0]

如何区分相同标签名字的标签

<?xml version="1.0" encoding="utf-8"?>
<catalog>
       <maxid>4</maxid>
       <login username="pytest" passwd='123456'>
            　　<caption>Python</caption>
             <item id="4">
                    <caption>测试</caption>
            </item>
    </login>
    <item id="2">
            <caption>Zope</caption>
    </item>
</catalog>

<caption>和<item>标签不止一个如何区分？

#coding=utf-8
import  xml.dom.minidom

#打开xml文档
dom = xml.dom.minidom.parse('abc.xml')

#得到文档元素对象
root_Node = dom.documentElement

caption_Nodes= root.getElementsByTagName('caption')
caption_Node1= caption_Nodes[0]
print caption_Node1.nodeName

item_Nodes= root_Node.getElementsByTagName('item')
item_Node1= item_Nodes[0]
print item_Node1.nodeName

root_Node.getElementsByTagName('caption') 获得的是标签为caption 一组标签，Nodes[0]表示一组标签中的第一个；Nodes2] ，表示这一组标签中的第三个。

获得标签属性值

<?xml version="1.0" encoding="utf-8"?>
<catalog>
       <maxid>4</maxid>
       <login username="pytest" passwd='123456'>
            　　<caption>Python</caption>
             <item id="4">
                    <caption>测试</caption>
            </item>
    </login>
    <item id="2">
            <caption>Zope</caption>
    </item>
</catalog>

和标签是有属性的，如何获得他们的属性？

#coding=utf-8
import  xml.dom.minidom

#打开xml文档
dom = xml.dom.minidom.parse('abc.xml')

#得到文档元素对象
root_Node = dom.documentElement

login_Nodes= root_Node.getElementsByTagName('login')
login_Node= login_Nodes[0]
username=login_Node.getAttribute("username")
print username
pwd=login_Node.getAttribute("passwd")
print pwd

item_Nodes= root_Node.getElementsByTagName('item')
item_Node1= item_Nodes[0]
id1=item_Node1.getAttribute("id")
print id1

item_Node2= item_Nodes[1]
id2=item_Node2.getAttribute("id")
print id2

Element对象的getAttribute方法可以获得元素的属性所对应的值。