XML的DOM解析常用语法

Posted 2021-03-30 悠然扎记

XML文件常用来存储使用的数据，对数据的处理就需要掌握XML文件解析的语法，为清楚了解xml及常用的解析方法dom，本文包含以下内容：

什么是XML？

什么是DOM？

XML DOM

元素的属性和访问方法

文件保存

什么是XML？

XML（eXtensible Markup Language）是一种可扩展标记语言，使用了一种结构化文档和数据的通用且适应性强的格式，被设计用来传输和存储数据，它不仅仅可以用于 WEB，而且可以被用于任何地方。于 1998 年 2 月被引入软件工业。

 

标记语言，之前提到过的html也是（超链接纯文本）标记语言，但HTML主要用来显示数据。

 

什么是DOM？

DOM（Document Object Model）文档对象模型，是 W3C（World Wide Web Consortium，万维网联盟） 的推荐标准，W3C 文档对象模型（DOM）是一个使程序和脚本有能力动态地访问和更新文档的内容、结构以及样式的平台和语言中立的接口，定义了访问诸如 XML 和 HTML 文档的标准。

 

DOM不是XML独用的接口或者方法，而是一种标准接口，在Python语言中实际使用时XML也不是只有DOM方法可以解析，Python官方文档中可以查到xml.dom说明文档。

W3school 上有XML和DOM的完整教程资源，菜鸟教程上也有，内容分布大致一样。

XML DOM

XML DOM 是用于 XML 文档的标准模型，定义了所有 XML 元素的对象和属性，以及访问它们的方法（接口）。

节点：根据DOM，XML中每个成分都是一个节点。将整个xml文档看做是一个节点树，解析的时候，文档节点是根节点，根据（节点）树原则，节点之间是相互联系的，有父节点和子节点，这种联系为遍历节点树提供了基础。

根据实际使用，每个xml元素是元素节点，看着包含在元素节点中的文本实际是文本节点，每个xml属性是属性节点。

元素：是指xml中从开始标签到结束标签组成的部分，如<xx>就是一个标签。元素包含的可以有标签、属性节点、文本节点、其他元素等。

文本：文本总是存储在文本节点中，元素（节点）包含文本节点，元素的文本存储在文本节点中。

属性：属性（Attribute）提供有关元素的额外信息。属性是有值的。

 

元素的属性和访问方法

虽然xml主要用于web中，但是我使用的时候xml是存储图像样本标注数据用的，使用Python语言读取内容，以下会使用Python来说明节点树中遍历与查找方法：

已有XML文件如下图：

加载头文件解析xml文件：from xml.dom.minidom import parse

解析xml文件>>xmlpathIn = 'Annotations/PartB_01489.xml'>>root = parse(xmlpathIn) #得到文档的根节点>>> root<xml.dom.minidom.Document object at 0x7fd121452108>

getElementsByTagName() 返回拥有指定标签名的所有元素。>>> nodelist = root.getElementsByTagName('annotation') #得到nodelist>>> nodelist[<DOM Element: annotation at 0x7fd11fed4df0>]

得到元素节点的节点（标签）名字>>> nodelist[0] #得到元素节点，DOM Element提示<DOM Element: annotation at 0x7fd11fed4df0>>>> nodelist[0].nodeName'annotation'

得到元素节点的子节点>>> nodelist[0].childNodes [<DOM Text node "'\n\t'">, <DOM Element: folder at 0x7fd121412178>, <DOM Text node "'\n\t'">, <DOM Element: filename at 0x7fd121412508>, <DOM Text node "'\n\t'">, <DOM Element: path at 0x7fd1214125a0>,  <DOM Text node "'\n\t'">, <DOM Element: source at 0x7fd121412638>,   <DOM Text node "'\n\t'">, <DOM Element: size at 0x7fd121412768>, <DOM Text node "'\n\t'">, <DOM Element: segmented at 0x7fd1214129c8>, <DOM Text node "'\n\t'">, ......]

使用len(nodelist[0].childNodes)可以得到子节点的个数，从上可以看到子节点中有文本节点也有元素节点，可以根据子节点的字节类型找到想要的元素节点。

菜鸟上的节点类型与命名常量的对应表如图所示，可供查阅。

使用.data获得文本节点的值>>> nodelist[0].childNodes[0] #得到文本节点<DOM Text node "'\n\t'">>>> nodelist[0].childNodes[0].data'\n\t'>>> nodelist[0].childNodes[0].nodeType #文本节点的类型是3，与上表对应3

xml元素’ <folder>img</folder> ‘中节点看着是并列的，但是文本节点"'img'"却是元素节点 Element: folder的子节点>>> nodelist[0].childNodes[1].childNodes[<DOM Text node "'img'">]>>> nodelist[0].childNodes[1].childNodes[0].data'img'

可以在节点处利用childNodes、parentNode访问子节点和父节点>>> nodelist[0].childNodes[1]<DOM Element: folder at 0x7fd1214833d8>>>> nodelist[0].childNodes[1].parentNode<DOM Element: annotation at 0x7fd11fed4df0>

xml文档具有可自主拓展性，以上说明了怎么在树节点中进行父子节点访问和获得节点的值，现在来举例说明怎么进行节点修改。

创建元素节点：>>> ntest = root.createElement('new')>>> ntest<DOM Element: new at 0x7fd1214880e0>

新增节点：>>> nodelist[0].childNodes[1]<DOM Element: folder at 0x7fd1214833d8>>>> y =nodelist[0].childNodes[3]>>> y<DOM Element: filename at 0x7fd121483470>>>> nodelist[0].childNodes[1].appendChild(y)<DOM Element: filename at 0x7fd121483470>>>> nodelist[0].childNodes[1].childNodes[<DOM Text node "'img'">, <DOM Element: filename at 0x7fd121483470>]

删除节点：>> nodelist[0].childNodes[1].removeChild(y)<DOM Element: filename at 0x7fd121483470>>>> nodelist[0].childNodes[1].childNodes[<DOM Text node "'img'">]

文件保存

 保存修改的节点树到文件f = open('xxx.xml','w')root.writexml(f,indent = '\t',newl = '\n', addindent = '\t',encoding='utf-8')f.close()