Как анализировать XML в Python?

У меня много строк в базе данных, содержащей xml, и я пытаюсь написать скрипт Python, который будет проходить через эти строки и подсчитывать, сколько экземпляров определенного атрибута узла появляется. Например, Мое дерево выглядит так:

<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>

Как я могу получить доступ к атрибутам 1 и 2 в XML с помощью Python?

776
python xml

13 ответов

предлагаю ElementTree. Существуют и другие совместимые реализации того же API, такие как lxml и cElementTree в самой стандартной библиотеке Python; но в этом контексте то, что они в основном добавляют, еще больше скорости-простота программирования зависит от API, который ElementTree определяет.

после создания экземпляра элемента e из XML, например,XML функции, или путем разбора файла с чем-то как

import xml.etree.ElementTree
e = xml.etree.ElementTree.parse('thefile.xml').getroot()

или любой из многих других способов, показанных на ElementTree, вы просто делаете что-то вроде:

for atype in e.findall('type'):
    print(atype.get('foobar'))

и подобные, обычно довольно простые, шаблоны кода.

593

minidom является самым быстрым и довольно прямо вперед:

XML:

<data>
    <items>
        <item name="item1"></item>
        <item name="item2"></item>
        <item name="item3"></item>
        <item name="item4"></item>
    </items>
</data>

PYTHON:

from xml.dom import minidom
xmldoc = minidom.parse('items.xml')
itemlist = xmldoc.getElementsByTagName('item')
print(len(itemlist))
print(itemlist[0].attributes['name'].value)
for s in itemlist:
    print(s.attributes['name'].value)

выход

4
item1
item1
item2
item3
item4
381

можно использовать BeautifulSoup

from bs4 import BeautifulSoup

x="""<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>"""

y=BeautifulSoup(x)
>>> y.foo.bar.type["foobar"]
u'1'

>>> y.foo.bar.findAll("type")
[<type foobar="1"></type>, <type foobar="2"></type>]

>>> y.foo.bar.findAll("type")[0]["foobar"]
u'1'
>>> y.foo.bar.findAll("type")[1]["foobar"]
u'2'
208

есть много вариантов там. cElementTree выглядит отлично, если скорость и использование памяти-это проблема. Он имеет очень мало накладных расходов по сравнению с простым чтением в файле с помощью readlines.

соответствующие показатели можно найти в таблице ниже, скопированной из cElementTree сайт:

library                         time    space
xml.dom.minidom (Python 2.1)    6.3 s   80000K
gnosis.objectify                2.0 s   22000k
xml.dom.minidom (Python 2.4)    1.4 s   53000k
ElementTree 1.2                 1.6 s   14500k  
ElementTree 1.2.4/1.3           1.1 s   14500k  
cDomlette (C extension)         0.540 s 20500k
PyRXPU (C extension)            0.175 s 10850k
libxml2 (C extension)           0.098 s 16000k
readlines (read as utf-8)       0.093 s 8850k
cElementTree (C extension)  --> 0.047 s 4900K <--
readlines (read as ascii)       0.032 s 5050k

как указал @jfs, cElementTree поставляется в комплекте с Python:

  • Python 2: from xml.etree import cElementTree as ElementTree.
  • Python 3:from xml.etree import ElementTree (ускоренная версия C используется автоматически).
78

lxml.objectify очень просто.

принимая ваш образец текста:

from lxml import objectify
from collections import defaultdict

count = defaultdict(int)

root = objectify.fromstring(text)

for item in root.bar.type:
    count[item.attrib.get("foobar")] += 1

print dict(count)

выход:

{'1': 1, '2': 1}
36

предлагаю xmltodict для простоты.

он анализирует ваш xml в OrderedDict;

>>> e = '<foo>
             <bar>
                 <type foobar="1"/>
                 <type foobar="2"/>
             </bar>
        </foo> '

>>> import xmltodict
>>> result = xmltodict.parse(e)
>>> result

OrderedDict([(u'foo', OrderedDict([(u'bar', OrderedDict([(u'type', [OrderedDict([(u'@foobar', u'1')]), OrderedDict([(u'@foobar', u'2')])])]))]))])

>>> result['foo']

OrderedDict([(u'bar', OrderedDict([(u'type', [OrderedDict([(u'@foobar', u'1')]), OrderedDict([(u'@foobar', u'2')])])]))])

>>> result['foo']['bar']

OrderedDict([(u'type', [OrderedDict([(u'@foobar', u'1')]), OrderedDict([(u'@foobar', u'2')])])])
31

Python имеет интерфейс к синтаксическому анализатору XML expat.

xml.parsers.expat

это не проверяющий парсер, так плохо, XML не будут пойманы. Но если вы знаете, что ваш файл правильный, то это довольно хорошо, и вы, вероятно,получить точную информацию, которую вы хотите, и вы можете отказаться от остальных на лету.

stringofxml = """<foo>
    <bar>
        <type arg="value" />
        <type arg="value" />
        <type arg="value" />
    </bar>
    <bar>
        <type arg="value" />
    </bar>
</foo>"""
count = 0
def start(name, attr):
    global count
    if name == 'type':
        count += 1

p = expat.ParserCreate()
p.StartElementHandler = start
p.Parse(stringofxml)

print count # prints 4
18

здесь очень простой, но эффективный код, используя cElementTree. 

try:
    import cElementTree as ET
except ImportError:
  try:
    # Python 2.5 need to import a different module
    import xml.etree.cElementTree as ET
  except ImportError:
    exit_err("Failed to import cElementTree from any known place")      

def find_in_tree(tree, node):
    found = tree.find(node)
    if found == None:
        print "No %s in file" % node
        found = []
    return found  

# Parse a xml file (specify the path)
def_file = "xml_file_name.xml"
try:
    dom = ET.parse(open(def_file, "r"))
    root = dom.getroot()
except:
    exit_err("Unable to open and parse input definition file: " + def_file)

# Parse to find the child nodes list of node 'myNode'
fwdefs = find_in_tree(root,"myNode")

источник:

http://www.snip2code.com/Snippet/991/python-xml-parse?fromPage=1

8

просто добавить еще одну возможность, вы можете использовать ч, поскольку это простая библиотека xml-to-python-object. Вот вам пример:

установка

pip install untangle

использование

ваш XML-файл (немного изменен):

<foo>
   <bar name="bar_name">
      <type foobar="1"/>
   </bar>
</foo>

доступ к атрибутам с помощью ч:

import untangle

obj = untangle.parse('/path_to_xml_file/file.xml')

print obj.foo.bar['name']
print obj.foo.bar.type['foobar']

выход будет:

bar_name
1

больше информации о untangle можно найти здесь.
также (если вам интересно), вы можете найти список инструментов для работы с XML и Python здесь (вы также увидите, что наиболее распространенные из них были упомянуты в предыдущих ответах).

8

я мог бы предложить declxml.

полное раскрытие: я написал эту библиотеку, потому что я искал способ преобразования между структурами данных XML и Python без необходимости писать десятки строк императивного кода синтаксического анализа/сериализации с ElementTree.

С declxml, вы используете процессоры чтобы декларативно определить структуру вашего XML-документа и способ сопоставления между структурами данных XML и Python. Процессоры используются для как сериализация, так и синтаксический анализ, а также для базового уровня проверки.

разбор на структуры данных Python прост:

import declxml as xml

xml_string = """
<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>
"""

processor = xml.dictionary('foo', [
    xml.dictionary('bar', [
        xml.array(xml.integer('type', attribute='foobar'))
    ])
])

xml.parse_from_string(processor, xml_string)

, который производит вывод:

{'bar': {'foobar': [1, 2]}}

вы также можете использовать тот же процессор для сериализации данных в XML

data = {'bar': {
    'foobar': [7, 3, 21, 16, 11]
}}

xml.serialize_to_string(processor, data, indent='    ')

который производит следующий вывод

<?xml version="1.0" ?>
<foo>
    <bar>
        <type foobar="7"/>
        <type foobar="3"/>
        <type foobar="21"/>
        <type foobar="16"/>
        <type foobar="11"/>
    </bar>
</foo>

если вы хотите работать с объектами вместо словарей, можно определить процессоры для преобразования данных из и предметы тоже.

import declxml as xml

class Bar:

    def __init__(self):
        self.foobars = []

    def __repr__(self):
        return 'Bar(foobars={})'.format(self.foobars)


xml_string = """
<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>
"""

processor = xml.dictionary('foo', [
    xml.user_object('bar', Bar, [
        xml.array(xml.integer('type', attribute='foobar'), alias='foobars')
    ])
])

xml.parse_from_string(processor, xml_string)

который производит следующий вывод

{'bar': Bar(foobars=[1, 2])}
8

Я нахожу питона XML-файле.дом!--2--> и XML-файле.дом.минидом!--5--> довольно легко. Имейте в виду, что DOM не подходит для больших объемов XML, но если ваш вход довольно мал, это будет работать нормально.

6
import xml.etree.ElementTree as ET
data = '''<foo>
           <bar>
               <type foobar="1"/>
               <type foobar="2"/>
          </bar>
       </foo>'''
tree = ET.fromstring(data)
lst = tree.findall('bar/type')
for item in lst:
    print item.get('foobar')

это выведет значение атрибута foobar.

5

XML

<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>

PYTHON_CODE

import xml.etree.cElementTree as ET

tree = ET.parse("foo.xml")
root = tree.getroot() 
root_tag = root.tag
print(root_tag) 

for form in root.findall("./bar/type"):
    x=(form.attrib)
    z=list(x)
    for i in z:
        print(x[i])

выход:

foo
1
2
2