第三章——供机器读取的数据(XML)

Posted 韬小虾

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了第三章——供机器读取的数据(XML)相关的知识,希望对你有一定的参考价值。

本书使用的文件、代码:https://github.com/huangtao36/data_wrangling



机器可读(machine readable)文件格式:
1、逗号分隔值(Comma-Separated Values, CSV)
2、javascript对象符号(JavaScript Object Notation, JSON)
3、可扩展标记语言(eXtensible Markup Language, XML)
 

第三章使用的数据文件:



XML数据

XML是一种标记语言,它具有包含格式化数据的文档结构。本质是也只是格式特殊的数据文件。
要处理的数据样本(XML基本数据格式):

XML中有两个位置可以保存数据:

    1、两个标签之间:<Display>71</Display>

    2、标签的属性:<Dim Category="SEX" Code="BTSX"/>——其中Category的属性值是“SEX”,Code的属性值是"BTSX"。

    XML的属性可以保存特定标签的额外信息,这些标签又嵌套在另一个标签中。

实现代码(基于Python3)

from xml.etree import ElementTree as ET

tree = ET.parse(\'data-text.xml\')
root = tree.getroot()   #获取树的根元素

data = root.find(\'Data\')

all_data = []

for observation in data:
    record = {}
    for item in observation:
        lookup_key_List = list(item.attrib.keys())
        lookup_key = lookup_key_List[0]
        if lookup_key == \'Numeric\':
            rec_key = \'NUMERIC\'
            rec_value = item.attrib[\'Numeric\']
        else:
            rec_key = item.attrib[lookup_key]
            rec_value = item.attrib[\'Code\']
        record[rec_key] = rec_value
    all_data.append(record)

print (all_data)

输出(部分):

  (输出的是单行数据,为了直观,这里进行了处理。)

 代码解释

from xml.etree import ElementTree as ET

本例中使用的是ElementTree、还可以使用lxml、minidom这两种库来解析XML文件,在此不做说明

获取Observation元素中的内容

  由上面的样本可知,我们使用的数据是包含在一个<Data>...</Data>中的,这里使用根元素的find方法可以利用标签名来搜索子元素。 

from xml.etree import ElementTree as ET

tree = ET.parse(\'data-text.xml\')
root = tree.getroot()   #获取树的根元素

data = root.find(\'Data\')

for observation in data:
    for item in observation:
        print(item.attrib)

输出(部分):

  

        输出的是<Observation>  ........</Observation>标签里面的内容
        我们的数据文件只有一个Data标签,如果有多个Data标签,可以将find函数改为findall函数来遍历。
    attrib:可以返回每一个节点的属性
 
  提取重要内容
     获得键的代码:
from xml.etree import ElementTree as ET

tree = ET.parse(\'data-text.xml\')
root = tree.getroot()   #获取树的根元素

data = root.find(\'Data\')

all_data = []

for observation in data:
    record = {}
    for item in observation:
        lookup_key_List = list(item.attrib.keys())
        lookup_key = lookup_key_List[0]
        rec_key = item.attrib[lookup_key]
        print(rec_key)
      输出:
        

      上面代码得到了数据的键,但还没有取得相应的值。 

lookup_key_List = list(item.attrib.keys())
lookup_key = lookup_key_List[0]
       这两句得到了每个属性键的名字,既是Category、code、Numeric这些,还没有得到键的值,加入rec_key = item.attrib[lookup_key]就获得了键的值。
      上面两句是Python3的写法,Python2中可以直接合并成一句:lookup_key = item.attrib.keys()[0]
 
      获得值的代码:  
from xml.etree import ElementTree as ET

tree = ET.parse(\'data-text.xml\')
root = tree.getroot()   #获取树的根元素

data = root.find(\'Data\')

all_data = []

for observation in data:
    record = {}
    for item in observation:
        lookup_key_List = list(item.attrib.keys())
        lookup_key = lookup_key_List[0]
        if lookup_key == \'Numeric\':
            rec_key = \'NUMERIC\'
            rec_value = item.attrib[\'Numeric\']
        else:
            rec_key = item.attrib[lookup_key]
            rec_value = item.attrib[\'Code\']
        
        print(rec_key,rec_value)
    输出:
      

以上是关于第三章——供机器读取的数据(XML)的主要内容,如果未能解决你的问题,请参考以下文章

java 怎么接收第三方传过来的xml

我可以在哪里存储 XML 文件供浏览器使用 ASP.Net MCV 读取

从 XML 声明片段获取 XML 编码:部分内容解析不支持 XmlDeclaration

为什么一台SSL证书不能用于多台机器?

PHP生成和获取XML格式数据

读取 zip 包中 xml 文件的内容