Python处理XML格式数据的方法详解

本文实例讲述了Python处理XML格式数据的方法。分享给大家供大家参考，具体如下：

这里的操作是基于Python3平台。

在使用Python处理XML的问题上，首先遇到的是编码问题。

Python并不支持gb2312，所以面对encoding="gb2312"的XML文件会出现错误。Python读取的文件本身的编码也可能导致抛出异常，这种情况下打开文件的时候就需要指定编码。此外就是XML中节点所包含的中文。

我这里呢，处理就比较简单了，只需要修改XML的encoding头部。

    #!/usr/bin/env python
    import os, sys
    import re
    def replaceXmlEncoding(filepath, oldEncoding='gb2312', newEncoding='utf-8'):
      f = open(filepath, mode='r')
      content = f.read()
      content = re.sub(oldEncoding, newEncoding, content)
      f.close()
      f = open(filepath, mode='w')
      f.write(content)
      f.close()
    if __name__ == "__main__":
      replaceXmlEncoding('./ActivateAccount.xml')

接着是使用xml.etree.ElementTree来操作XML文件。

在一个类里面定义call函数可以使得该类可调用，比如下面代码的最后几行，在main函数中。这也很突出地体现了在Python的世界里，一切都是对象，包括对象本身 ：）

一直觉得main函数用来测试真是蛮好用的。

    #!/usr/bin/env python
    import os, re
    import xml.etree.ElementTree as etree
    Locale_Path = "./locale.txt"
    class xmlExtractor(object):
      def __init__(self):
        pass
      def __call__(self, filepath):
        retDict = {}
        f = open(filepath, 'r')
        Line = len(open(filepath, 'r').readlines())
        retDict['Line'] = Line
        tree = etree.parse(f)
        root = tree.find("ResItem")
        Id = root.get("ID")
        retDict['Title'] = Id
        resItemCnt = len(list(root.findall("ResItem"))) + 1
        retDict['ResItemCount'] = resItemCnt
        retDict['ChineseTip'] = 'None'
        for child in root:
          attrDict = child.attrib
          keyword = "Name"
          if(keyword in attrDict.keys() and attrDict['Name'] == "Caption"):
            if len(child.attrib['Value']) > 1:
              if child.attrib['Value'][0] == '~':
                title = child.attrib['Value'][1:]
              else:
                title = child.attrib['Value'][0:]
              #print(title)
              chs = open(Locale_Path).read()
              pattern = '<String id="' + title + '">[^>]+>'
              m = re.search(pattern, chs)
              if m != None:
                realTitle = re.sub('<[^>]+>', '', m.group(0))
                retDict['ChineseTip'] = realTitle
        f.close()
        return retDict
    if __name__ == "__main__":
      fo = xmlExtractor()
      d = fo('./ActivateAccount.xml')
      print(d)

最后，就是入口文件，导入上面两个文件，使用xml.dom和os.listdir来递归处理XML文件，并生成一个结果集。

一直觉得Python的UnboundLocalError错误挺有意思的，不知道是不是符号表的覆盖问题。

    #!/usr/bin/env python
    from xmlExtractor import *
    from replaceXmlEncoding import *
    from xml.dom import minidom,Node
    doc = minidom.Document()
    extractor = xmlExtractor()
    totalLines = 0
    totalResItemCnt = 0
    totalXmlFileCnt = 0
    totalErrorCnt = 0
    errorFileList = []
    xmlRoot = doc.createElement("XmlResourceFile")
    doc.appendChild(xmlRoot)
    def myWalkDir(level, path):
      global doc, extractor, totalLines, totalResItemCnt, totalXmlFileCnt
      global totalErrorCnt, errorFileList
      global xmlRoot
      for i in os.listdir(path):
        if i[-3:] == 'xml':
          totalXmlFileCnt += 1
          try:
            #先把xml的encoding由gb2312转换为utf-8
            replaceXmlEncoding(path + '\\' + i)
            #再提取xml文档中需要的信息
            info = extractor(path + '\\' + i)
            #在上述两行代码没有出现异常的基础上再创建节点
            #print(info)
            #print(type(i))
            xmlNode = doc.createElement("XmlFile")
            xmlRoot.appendChild(xmlNode)
            xmlName = doc.createElement("Filename")
            xmlName.setAttribute('Value', i)
            #xmlName.appendChild(doc.createTextNode(i))
            xmlNode.appendChild(xmlName)
            filePath = doc.createElement("Filepath")
            filePath.setAttribute('Value', path[34:])
            #filePath.appendChild(doc.createTextNode(path[1:]))
            xmlNode.appendChild(filePath)
            titleNode = doc.createElement("Title")
            titleNode.setAttribute('Value', str(info['Title']))
            #titleNode.appendChild(doc.createTextNode(str(info['Title'])))
            xmlNode.appendChild(titleNode)
            chsNode = doc.createElement("ChineseTip")
            chsNode.setAttribute('Value', str(info['ChineseTip']))
            #chsNode.appendChild(doc.createTextNode(str(info['Chinese'])))
            xmlNode.appendChild(chsNode)
            resItemNode = doc.createElement("ResItemCount")
            resItemNode.setAttribute('Value', str(info['ResItemCount']))
            #resItemNode.appendChild(doc.createTextNode(str(info['ResItemCount'])))
            xmlNode.appendChild(resItemNode)
            lineNode = doc.createElement("LineCount")
            lineNode.setAttribute('Value', str(info['Line']))
            #lineNode.appendChild(doc.createTextNode(str(info['Line'])))
            xmlNode.appendChild(lineNode)
            descNode = doc.createElement("Description")
            descNode.setAttribute('Value', '')
            #descNode.appendChild(doc.createTextNode(''))
            xmlNode.appendChild(descNode)
          except Exception as errorDetail:
            totalErrorCnt += 1
            errorFileList.append(path + '\\' + i)
            print(path + '\\' + i, errorDetail)
        if os.path.isdir(path + '\\' + i):
          myWalkDir(level+1, path + '\\' + i)
    if __name__ == "__main__":
      path = os.getcwd() + '\\themes'
      myWalkDir(0, path)
      print(totalXmlFileCnt, totalErrorCnt)
      #print(doc.toprettyxml(indent = "  "))
      resultXml = open("./xmlResourceList.xml", "w")
      resultXml.write(doc.toprettyxml(indent = "  "))
      resultXml.close()

PS：这里再为大家提供几款关于xml操作的在线工具供大家参考使用：

在线XML/JSON互相转换工具：
http://tools.jb51.net/code/xmljson

在线格式化XML/在线压缩XML：
http://tools.jb51.net/code/xmlformat

XML**在线压缩/格式化工具：
**http://tools.jb51.net/code/xml_format_compress

XML**代码在线格式化美化工具：
**http://tools.jb51.net/code/xmlcodeformat

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python操作xml数据技巧总结》、《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。