如何用Python将XML中的所有信息转换为字典

Question

假设我有一个这样的XML文件。

<A>
 <B>
  <C>"blah"</C>
  <C>"blah"</C>
 </B>
 <B>
  <C>"blah"</C>
  <C>"blah"</C>
 </B>
</A>

我需要把这个文件读进一个字典，像这样。

dict["A.B1.C1"] = "blah"
dict["A.B1.C2"] = "blah"
dict["A.B2.C1"] = "blah"
dict["A.B2.C2"] = "blah"

不过字典的格式其实不重要，我只想把所有信息读进Python的变量里。

问题是我不知道这个XML的结构，我只想把所有信息读进一个字典里。

有没有什么方法可以用Python做到这一点呢？

Answer 1

我通常使用标准库中的ElementTree模块来解析XML文件。这个模块不会给你一个字典，而是提供一个更有用的DOM结构，这样你可以遍历每个元素及其子元素。

from xml.etree import ElementTree as ET

xml = ET.parse("<path-to-xml-file")
root_element = xml.getroot()

for child in root_element:
   ...

如果你确实需要把它解析成字典，而不是从DOM树中获取所需的信息，那么可以写一个递归函数，从根节点开始构建字典，代码大概是这样的：

def xml_dict(node, path="", dic =None):
    if dic == None:
        dic = {}
    name_prefix = path + ("." if path else "") + node.tag
    numbers = set()
    for similar_name in dic.keys():
        if similar_name.startswith(name_prefix):
            numbers.add(int (similar_name[len(name_prefix):].split(".")[0] ) )
    if not numbers:
        numbers.add(0)
    index = max(numbers) + 1
    name = name_prefix + str(index)
    dic[name] = node.text + "<...>".join(childnode.tail
                                         if childnode.tail is not None else
                                         "" for childnode in node)
    for childnode in node:
        xml_dict(childnode, name, dic)
    return dic

对于你上面提到的XML，这样处理后会得到一个字典：

{'A1': '\n \n <...>\n',
 'A1.B1': '\n  \n  <...>\n ',
 'A1.B1.C1': '"blah"',
 'A1.B1.C2': '"blah"',
 'A1.B2': '\n  \n  <...>\n ',
 'A1.B2.C1': '"blah"',
 'A1.B2.C2': '"blah"'}

（我觉得DOM形式更有用）

Answer 2

我通常使用 lxml.objectify 这个库来快速解析XML文件。

对于你的XML字符串，你可以这样做：

from lxml import objectify
root = objectify.fromstring(xml_string)

然后你可以通过字典的方式来获取单独的元素：

value = root["A"][0]["B"][0]["C"][0]

或者，如果你更喜欢这样：

value = root.A[0].B[0].C[0]

Answer 3

你可以在Python中使用untangle这个库。untangle.parse()可以把一个XML文档转换成Python对象。

这个方法需要一个XML文件作为输入，然后返回一个Python对象，这个对象就代表了那个XML文档。

我们来看看下面这个XML文件，假设我们把它命名为test_xml.xml。

<A>
 <B>
  <C>"blah1"</C>
  <C>"blah2"</C>
 </B>
 <B>
  <C>"blah3"</C>
  <C>"blah4"</C>
 </B>
</A>  

现在我们来把上面的XML文件转换成一个Python对象，这样就可以访问XML文件中的元素了。

>>>import untangle

>>>input_file = "/home/tests/test_xml.xml" #Full path to your xml file
>>>obj = untangle.parse(input_file)

>>>obj.A.B[0].C[0].cdata
u'"blah1"'
>>> obj.A.B[0].C[1].cdata
u'"blah2"'
>>> obj.A.B[1].C[0].cdata
u'"blah3"'
>>> obj.A.B[1].C[1].cdata
u'"blah4"'