简介
XML不是为了方便阅读而设计,而是为了编码为数据。当有一些文本有很多文档,可以用编码的方式使3一些文本便与处理。
设计原则
- 提供不依赖平台的数据转移
- 方便的编写读写XML程序
- 数据格式是可验证的
- 便于人工阅读
- 为了支持各种应用而设计
练习:提取XML数据
- 从 xml 中提取关于文章作者的数据
- 将其添加到列表中,一个作者对应一个条目
- 名字、姓氏和电子邮箱标签应该直接对应字典关键字
实现代码如下:
def get_author(root):
authors = []
for author in root.findall('./fm/bibl/aug/au'):
# 用这种方法就可以创建字典
data = {
"fnm": None,
"snm": None,
"email": None
}
# 用这种方法可以直接给字典中的键赋值
data["fnm"] = author.findtext('./fnm')
data["snm"] = author.findtext('./snm')
data["email"] = author.findtext('./email')
# authors列表中就会包含一个又一个data字典
authors.append(data)
return authors
最后部分输出结果如下所示:
[{‘fnm’:‘Omer’,‘snm’:‘Mei-Dan’,‘email’:‘[email protected]’}, {‘fnm’:‘Mike’,‘snm’:‘Carmont’,‘email’:‘[email protected]’},…]
这里我们介绍一下用于处理xml的findtext()方法
findtext(要匹配的, 默认=None,命名空间=None)
查找发现文本文档中的第一个子元素所要匹配的内容,匹配的内容可能是标签名或路径。返回第一个匹配元素的文本内容,如果未找到元素,则返回默认值。注意,如果匹配元素没有文本内容,则返回空字符串。命名空间是从名称空间前缀到全名的可选映射。
练习:处理属性
- 在上述要求之上增加有属性特性的数据
<?xml version="1.0" encoding="utf-8"?>
<catalog>
<maxid>4</maxid>
<!--此处的username就是属性,id=‘4’也是一样的 -->
<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>
处理方法如下:
def get_authors(root):
authors = []
for author in root.findall('./fm/bibl/aug/au'):
data = {
"fnm": None,
"snm": None,
"email": None,
"insr": []
}
data["fnm"] = author.findtext('./fnm')
data["snm"] = author.findtext('./snm')
data["email"] = author.findtext('./email')
insr = author.findall('./insr')
# 用findall()返回的是一个列表,所以要进行一下遍历操作
for i in insr:
# insr键所对应的值是一个列表,所以给键赋值时可以用append方法
# 这里attrib是一个字典,这个语句的意思是:取出attrib字典“iid”键所对应的值,通过append方法,
# 添加到data中“insr”键所对应的值得列表中。
data["insr"].append(i.attrib["iid"])
authors.append(data)
return authors
此处的insr就带有属性,部分数据集中xml如下所示:
<insr iid="I2"/>
部分输出结果如下:
[{‘insr’:[‘I1’],‘fnm’:‘Omer’,‘snm’:‘Mei-Dan’,‘email’: ‘[email protected]’}{‘insr’[‘I2’],‘fnm’:‘Mike’,‘snm’:‘Carmont’,‘email’:‘[email protected]’}…]
接下来介绍一下处理带属性的数据的方法:
findall(要匹配的, namespaces=None)
通过标签名称或路径查找所匹配的所有元素,返回包含文档顺序中所有匹配元素的列表。命名空间是从名称空间前缀到全名的可选映射。
attrib介绍
包含元素属性的字典。注意,当属性值始终是一个真正的可变的Python字典时,ElementTree实施可能选择其他的内部表示。
更多精彩内容欢迎关注我的微信公众号:数据瞎分析