PYTHON XML解析-DOM方式

python用来操作XML格式文档有两种方式，一种是DOM方式，将文档读取到内存中操作，然后导出到磁盘中，优点是操作方便，适合较小的文件，如果文档很大的话，那么将会很占内存；另外一种是SAX方式，采用的是流操作的模式，边读取边解析，缺点是不方便解析，需要自己处理相关事件，但相比于DOM方式，优点也很明显就是不占内存。

1.xml示例文件

<?xml version='1.0' encoding='UTF-8' ?>
<users>
    <user id='1'>
        <username>admin</username>
        <email>admin@qq.com</email>
        <age>23</age>
        <address>
            <tag>xx通讯公司</tag>
        </address>
    </user>
    <user id='2'>
        <username>user</username>
        <email>user@qq.com</email>
        <age>22</age>
    </user>
</users>

2.解析XML文件

import xml.dom.minidom as XmlDocument

# 加载xml文件到内存中
doc = XmlDocument.parse('test_xml.xml')
# 获取根节点信息
xUsers = doc.getElementsByTagName('users')
# 打印的结果是只有一个数据的列表   xUsers = [<DOM Element: users at 0x2aee940>]
print('xUsers =',xUsers)
# 判断文件中是否存在users节点
if xUsers and len(xUsers) > 0:
    # 根据tag名，从users中获取所有的tag=user的节点列表
    # 从xUsers的打印信息可以看出，通过getElementsByTagName获取到的数据都是列表，所以需要使用xUsers[0]
    xUserList = xUsers[0].getElementsByTagName('user')
    # 打印结果: xUserList = [<DOM Element: user at 0x2aeef80>, <DOM Element: user at 0x2dde1c0>]
    # users下有多个user节点
    print('xUserList =',xUserList)
    # 循环遍历
    for user in xUserList:
        # id是包含在tag信息中的属性<user id='1'>，所以使用attributes获取
        id = user.attributes['id'].value
        # 打印结果: id = 1
        print('id =',id)
        # xUsername是一个列表
        xUsername = user.getElementsByTagName('username')
        if xUsername and len(xUsername) > 0:
            # 获取列表中的第一个数据
            # <username>admin</username>
            # 数据是包含在tag中的内容，所以使用firstChild.data获取
            username = xUsername[0].firstChild.data
            # username = admin
            print('username =',username)

        xEmail = user.getElementsByTagName('email')
        if xEmail and len(xEmail) > 0:
            email = xEmail[0].firstChild.data
            print('email =',email)

        xAge = user.getElementsByTagName('age')
        if xAge and len(xAge) > 0:
            age = xAge[0].firstChild.data
            print('age =',age)

        # <address><tag>xx通讯公司</tag></address>
        # xAddress是一个列表
        xAddress = user.getElementsByTagName('address')
        if xAddress and len(xAddress) > 0:
            # xAddress[0]是address这个tag
            # 从address这个标签中通过getElementsByTagName获取的数据也是列表
            xTag = xAddress[0].getElementsByTagName('tag')
            if xTag and len(xTag) > 0:
                # 不再包含子标签，直接通过firstChild.data获取数据
                tag = xTag[0].firstChild.data
                print(tag)

小结:
节点类型:
ELEMENT_NODE（元素节点）：1.中的<users></users> 或者 <address></address>等
TEXT_NODE（标签中的内容）：1.中的标签的内容admin@qq.com
ATTRIBUTE_NODE（标签属性）：1.中的id="1"

取值方式:
ELEMENT_NODE：xxx.getElementsByTagName('tag_name') 拿到的值是一个列表，xxx是父标签
TEXT_NODE：xxx.firstChild.data 从标签内容中取出值，但一般xxx都是通过getElementsByTagName获取到的，所以会写成xxx[0]
ATTRIBUTE_NODE：xxx.attributes['id'].value，xxx就是通过getElementsByTagName获取到的标签

所以总的来说，不管有多少层嵌套标签，取值方式就三种，1.如果获取标签信息，就使用xxx.getElementsByTagName('xx')，2.如果获取属性信息，就用xxx.attributes['xx'].value，3.如果获取标签内容，就用firstChild.data

3.生成XML文件

import xml.dom.minidom as XmlDocument

# 定义XML文档对象
doc = XmlDocument.Document()

# 创建根节点
xUsers = doc.createElement('users')
doc.appendChild(xUsers)

# 创建一个节点，命名为user
xUser = doc.createElement('user')
# 将该节点设置为xUsers的子节点
xUsers.appendChild(xUser)

# 给标签添加属性
xUser.attributes['id'] = '1'

# 创建一个新的节点，命名为username
username = doc.createElement('username')
# 给标签添加内容数据
# 添加数据需要使用doc.createTextNode函数
username.appendChild(doc.createTextNode('MoonMonsters'))
# 将其设置为xUser节点的子节点
xUser.appendChild(username)

# 重复以上内容
email = doc.createElement('email')
email.appendChild(doc.createTextNode('moonmonster@qq.com'))
xUser.appendChild(email)

age = doc.createElement('age')
age.appendChild(doc.createTextNode('20'))
xUser.appendChild(age)

with open('test.xml', 'wb') as fp:
    fp.write(doc.toxml(encoding='utf-8'))

最后生成的文件:

<?xml version="1.0" encoding="utf-8"?>
<users>
    <user id="1">
        <username>MoonMonsters</username>
        <email>moonmonster@qq.com</email>
        <age>20</age>
    </user>
</users>