Python将XML转换为字典以便迭代项

Question

我有一个这样的XML示例

<?xml version="1.0"?>
<test>
    <items>
        <item>item 1</item>
        <item>item 2</item>
    </items>
</test>

我想在Python中用for循环遍历每一个标签。我试了很多方法，但就是搞不定……

谢谢大家的帮助

Answer 1

import xml.dom.minidom as md

x='''<?xml version="1.0"?>
<test>
    <items>
        <item>item 1</item>
        <item>item 2</item>
    </items>
</test>
'''

xml=md.parseString(x)

items=xml.getElementsByTagName("item")
# [<DOM Element: item at 0xc16e40>, <DOM Element: item at 0xc16ee0>]

因为 items 是一个DOM元素数组，所以你可以用 for 循环来遍历它。

Answer 2

可以试试标准库里的 xml.sax 包中的 XML 解析器。

from xml.sax import parse
from xml.sax.handler import ContentHandler
from sys import argv

class Handler(ContentHandler):
    def startElementNS(self, name, qname, attrs):
        self.startElement(name, attrs)

    def endElementNs(self, name, qname):
        self.endElement(name, attrs)

    def startElement(self, name, qname, attrs):
        ... do whatever you like on tag start...

    def characters(self, content):
        ... on tag content ...

    def endElement(self, name):
        ... on tag closing ...

if __name__ == "__main__":
    parse(argv[1], Handler())

在这里，我假设 argv[1] 是你想要解析的文件路径。（传给 parse() 函数的第一个参数是文件名或数据流）。把它改成 for 循环也很简单：只需在上面的函数中获取你需要的所有信息，然后把它们放进一个列表或栈里。等你解析完后，再遍历这个列表或栈。

Answer 3

我个人使用的是 xml.etree.cElementTree，因为我发现它运行得非常好，速度快，使用起来也很简单，而且对于大文件（超过2GB）也能很好地处理。

import xml.etree.cElementTree as etree

with open(xml_file_path) as xml_file:
    tree = etree.iterparse(xml_file)
    for items in tree:
        for item in items:
            print item.text

在交互式控制台中

>>> x="""<?xml version="1.0"?>
<test>
    <items>
        <item>item 1</item>
        <item>item 2</item>
    </items>
</test>"""
>>> x
'<?xml version="1.0"?>\n<test>\n    <items>\n        <item>item 1</item>\n        <item>item 2</item>\n    </items>\n</test>'
>>> import xml.etree.cElementTree as etree
>>> tree = etree.fromstring(x)
>>> tree
<Element 'test' at 0xb63ad248>
>>> for i in tree:
        for j in i:
            print j


<Element 'item' at 0xb63ad2f0>
<Element 'item' at 0xb63ad338>
>>> for i in tree:
        for j in i:
            j.text

'item 1'
'item 2'
>>>