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?
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.
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
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'
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).
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}
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')])])])
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
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
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).
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])}
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.
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.
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