目录

• 🌲 前言
• 🌲 准备
• 🌲 xml.dom对象
• • 1. Document
  • 2. Node
  • 3. NodeList
  • 4. Element
  • 5. Attr
• 🌲 解析xml文档
• • 1.查找内容
  • • 1.1 获取根元素：
    • 1.2 查找子元素：
    • 1.3 获取元素的属性：
    • 1.4 获取文本
  • 2. 增加内容
  • 3. 删除内容
  • 4. 更新属性
• 🌲 创建xml文档

🌲 前言

XML全称是Extensible Markup Language，中文名为可扩展标记语言。对xml的介绍可以看一下w3c的介绍。网络中数据传输的常见格式有json、xml、txt等。json很简单，xml稍微复杂，但是在python面前都不是事。
python有三种方式解析xml文档：SAX，DOM，以及 ElementTree（引自 菜鸟教程-Python XML解析），sax有些复杂，dom简单但是解析速度上不如sax。但是咱就是说，都选择Python了，肯定是想“更简单”。所以本文主要介绍python通过DOM方式对xml文件的解析读取、创建、修改等操作。
python有内置的模块：xml.dom（xml.dom官方文档）和xml.dom.minidom（xml.dom.minidom官方文档），本文主要使用xml.dom.minidom这个内置模块。

🌲 准备

xml.dom.minidom是dom的最小实现方式。以下是在python文件中需要导入的代码：

from xml.dom import minidom

🌲 xml.dom对象

众所周知，python是面向对象的，xml.dom解析xml文档之后会返回一系列对象，对对象的操作来获取信息。
xml.dom解析xml文件，将文件内容解析为DOM，以下是常见的dom中的对象：

对XML文档的所有的操作都是基于DOM对象的操作

假如现在有一个xml文档，文档内容如下所示：

<?xml version="1.0" encoding="utf-8"?>
<Library libraryname="市中心图书馆">
    <staff explanation="员工">
        <people gender="男" name="小明"/>
        <people gender="女" name="小花"/>
    </staff>
    <!-- 以下是书籍 -->
    <bookShelf name="人文类书架">
        <book isbn="****" date="2022-10-1">莎士比亚文集</book>
        <book isbn="****" date="2022-10-2">童话故事</book>
    </bookShelf>
    <bookShelf name="自然类书架">
        <book isbn="****" date="2022-10-1">python程序设计</book>
        <book isbn="****" date="2022-10-2">C++程序设计</book>
    </bookShelf>
</Library>

整个文档为Document
<Library>，<staff>，<book>， <!– –>,甚至元素的属性都是Node，多个Node组成Node List
但是，更确切的说<Library>,<staff>,<book>是Element，继承自Node。
<!– –>是Comment，也继承自Node。
其中的“莎士比亚文集”属于Text

1. Document

如果你想解析一篇xml文档，那么获取Document是解析的第一步。document包括从根到叶的所有内容
解析文档获取document对象：

from xml.dom.minidom import parse # 这个用来解析xml文档
# from xml.dom.minidom import parseString # 这个用来解析xml字符串
doc = parse("./test.xml")

document的方法和属性如下：

2. Node

很多对象都是继承自Node，下面是一些Node的方法或者属性

3. NodeList

使用getElementsByTagName()函数通常返回的是Node列表，

4. Element

Element对象时我们操作最频繁的对象，我们查找元素内容时，往往都是通过getElementsByTagName()来获取元素，再通过Element的一些方法来获取内容。

5. Attr

🌲 解析xml文档

对已有的xml文档处理，无非是查找信息、增添内容、删除内容、更改内容的操作。

1.查找内容

from xml.dom import minidom
from xml.dom.minidom import parse
doc=parse("./test.xml")

1.1 获取根元素：

root=doc.documentElement

# 获取根元素名称
root.tagName  # 或者： root.nodeName

# 获取根元素类型
root.nodeName # 输出的是元素类型

1.2 查找子元素：

查找子元素是主要针对元素来讲的，下面的element指的是xml文档中的Element对象

# 获取元素下面的所有子元素数量
element.childNodes.length

# 遍历元素下面的所有子元素
for child_node in element.childNodes:
    print("节点类型",child_node.nodeType)
    print("节点名称",child_node.nodeName)
    
# 获取元素下的位置为i的子节点（注意这是“节点”，不是“元素”;节点包括注释）
child_node =element.childNodes.item(i)

# 根据元素名查找
elements=root.getElementsByTagName("bookShelf")
# 遍历
for element in elements:
    print("元素名称：",element.tagName)
# 从ElementList找位置为i的元素
print("i处位置的元素：",elements[i]) # 或者elements.item(i)

1.3 获取元素的属性：

# 获取元素的所有属性对象
element.attributes # 返回的对象可以像字典一样遍历，想获取属性的名称和值需要遍历

# 遍历元素下的所有属性的名称和值
for key,value in element.attributes.items(): # 像字典一样遍历
    print("属性名：",key)
    print("属性值：",value)

# 获取特定属性
element.getAttribute("attr_name") 

1.4 获取文本

如果想获取book元素中的“莎士比亚文集”文本内容，需要通过Text对象操作。

<book isbn="****" date="2022-10-1">莎士比亚文集</book>

Text对象本质上还是Node对象，可以使用firstChild()来获得。

elements=root.getElementsByTagName("book")
for element in elements:
    print("元素里的文本内容：",element.firstChild.data) # 或者是element.firstChild.nodeValue
    break # 只显示第一个book元素中的文本

2. 增加内容

创建内容需要使用document的create***()方法创建。然后将创建好的子节点使用元素的append()添加进去。
元素添加属性，需要使用setAttribute()。
以下是向第一个bookshelf添加一本book元素的例子：

doc=parse("./test.xml")
bookShelf1=doc.getElementsByTagName("bookShelf")[0]
new_book=doc.createElement("book")
new_book.setAttribute("isbn","******")
new_book.setAttribute("date","2022-10-3")
new_book.appendChild(doc.createTextNode("鲁迅全集"))
bookShelf1.appendChild(new_book)

最后需要将编辑的结果保存在文档中：

with open("test.xml", "w", encoding="utf-8") as f:
    doc.writexml(f, indent='', addindent='\t', newl='\n', encoding="utf-8")

添加注释同理

3. 删除内容

删除节点需要使用节点对象的removeChild()；删除属性需要使用元素对象的removeAttribute()。
以下是删除刚添加的《鲁迅文集》这本书

bookShelf1=doc.getElementsByTagName("bookShelf")[0]
book_delete=bookShelf1.getElementsByTagName("book").item(2) # 把刚才的鲁迅文集这本书删除
bookShelf1.removeChild(book_delete)

删除之后别忘了保存到文件

4. 更新属性

更新节点可以使用节点对象的replace()方法；更改属性还是使用setAttribute()

🌲 创建xml文档

前面所述都是在已有xml文档的情况下操作。但是想新建一个新的xml文档怎么办？需要使用DOMImplementation来创建一个新document，然后使用writexml()保存就可以

例子：

from xml.dom.minidom import getDOMImplementation

impl = getDOMImplementation()

doc_new = impl.createDocument(None, "top", None)
root = doc_new.documentElement
text = doc_new.createTextNode('内容')
root.appendChild(text)
# 保存
with open("new.xml", "w", encoding="utf-8") as f:
    doc_new.writexml(f, indent='', addindent='\t', newl='\n', encoding="utf-8")

最后生成的结果如下：

<?xml version="1.0" encoding="utf-8"?>
<top>内容</top>