DOM 解析器介绍

DOM的 xml.dom.minidom 子模块、xml.dom.pulldom 子模块分别提供两种形式的解析器。

• xml.dom.minidom 子模块
  主要提供对 XML 文档的读、修改操作，解析器的使用格式如下：
  xml.dom.minidom.parse(filename_or_file,parse=None,bufsize=None)
  该解析器解析成功，返回指定 XML 文件的一个文档对象。

本文用到的 DOM 对象的相关函数介绍

1.1 Node 接口对象相关函数
Node.childNodes,返回当前节点中包含的节点列表，这是一个只读属性。
1.2 Document 接口对象相关函数
Document.documentElement，返回文档的所有元素。
Document.getElementsByTagName(tagName)，搜索所有具有特定元素类型名称下的子元素，返回元素集合。
1.3 Element 接口对象相关函数
Element.hasAttribute(name)，如果元素具有按指定 name 命名的属性，返回True。
Element.getAttribute(name)，以字符串形式返回指定 name 命名的属性的值，如果不存在这样的标签，则返回空字符串。
Element.setAttribute(name,value)，设置 name 标签指定的值。
Element.removeAttribute(name)，删除 name 标签指定的元素。

文件解析示例

1、 XML文件(movies.xml)

<collection shelf="New Arrivals">
   <movies title="Enemy Behind">
      <type>War, Thriller</type>
      <format>DVD</format>
      <year>2003</year>
      <rating>PG</rating>
      <stars>10</stars>
      <description>Talk about a US-Japan war</description>
   </movies>
</collection>

2、 DOM解析XML文件(sax_movie.py)

from xml.dom.minidom import parse
import xml.dom.minidom
# 使用minidom解析器打开 XML 文档
DOMTree = xml.dom.minidom.parse(‘D:\\My-python\\XML\\movies.xml‘)
# 该解析器解析成功，返回一个文档对象DOMTree接收
collection = DOMTree.documentElement # 把所有的元素存入集合中
print(collection.toxml())
if collection.hasAttribute("shelf"):
   print ("Root element : %s" % collection.getAttribute("shelf"))
# 获取movie元素下的子元素集合
movies = collection.getElementsByTagName("movies")
movies_record = []
# 打印每部电影的详细信息
for movie in movies:
   if movie.hasAttribute("title"): # 判断是否存在title属性
      movies_record.append(movie.getAttribute("title")) # 获取属性对应的值
   type = movie.getElementsByTagName(‘type‘)[0] # 获取 type 标签对应的元素
   movies_record.append(type.childNodes[0].data) # 获取 type 元素对应的值
   format = movie.getElementsByTagName(‘format‘)[0]
   movies_record.append(format.childNodes[0].data)
   rating = movie.getElementsByTagName(‘rating‘)[0]
   movies_record.append(rating.childNodes[0].data)
   stars = movie.getElementsByTagName(‘stars‘)[0]
   movies_record.append(stars.childNodes[0].data)
   description = movie.getElementsByTagName(‘description‘)[0]
   movies_record.append(description.childNodes[0].data)
print(movies_record)

3、 运行结果

<collection shelf="New Arrivals">

   <movies title="Enemy Behind">
      <type>War, Thriller</type>
      <format>DVD</format>
      <year>2003</year>
      <rating>PG</rating>
      <stars>10</stars>
      <description>Talk about a US-Japan war</description>
   </movies>
</collection>

Root element : New Arrivals
[‘Enemy Behind‘, ‘War, Thriller‘, ‘DVD‘, ‘PG‘, ‘10‘, ‘Talk about a US-Japan war‘]