获取XML文档的DOM树
有没有人知道我怎么能在Python中获取一个XML文件的DOM实例（树形结构）？我想比较两个XML文档，它们的元素和属性可能顺序不同。我该怎么做呢？
3 个回答
在比较XML文档时，简单地对比解析后的DOM树是行不通的。你可能需要自己实现一个节点比较器（NodeComperator），这个比较器要能递归地比较一个节点及其子节点，和另一个节点及其子节点。比较的标准可以根据你的具体需求来定，比如：
- 子元素的顺序什么时候是重要的？
- 文本内容中的空格什么时候是重要的？
- 某些元素是否有默认值，这些默认值是否被你的解析器应用了？
- 在比较时，实体引用是否需要展开？
Minidom 是解析文件的一个不错的起点，而且使用起来很简单。不过，具体的比较函数实现还是得由你自己来完成。
个人来说，只要有机会，我会选择从 elementtree 开始（最好是Python标准库里自带的C实现，或者是 lxml 实现，不过这主要是因为速度更快）。它虽然不是标准的DOM，但以更符合Python风格和更方便的方式存储相同的信息。你可以通过调用 xml.etree.ElementTree.parse 来开始，这个方法会接收XML源文件并返回一个元素树；对两个源文件都这样做，然后用 getroot 方法获取每个元素树的根元素，接着从根元素开始递归比较元素。
元素的子元素形成一个序列，在元素树中和标准DOM一样，这意味着它们的顺序是很重要的；不过，把它们转成Python集合是很简单的（如果你的需求中顺序不重要，但重复出现的元素重要的话，可以稍微费点劲做成“多重集合”）。对于某个元素的属性来说，情况更简单，因为属性是唯一的，顺序在语义上并不重要。
你是否有特别的原因需要标准的DOM，而不是像元素树这样的替代容器，还是说你只是一般性地使用DOM这个词，所以元素树也可以接受？
过去我也用过 PyRXP，效果不错，它的表示方式比ElementTree更简单明了。不过，那是很多年前的事了；我对现在的PyRXP和lxml或cElementTree的比较没有最新的经验。