使用Python處理XML

2021-05-27 01:16:07 字數 4674 閱讀 2211

很久沒有寫博文了，也很久沒有碰python了。剛好工作需要，小小動手了下。

因為是在新機器上，所以就直接裝了python 3，反正以後也是要適應，不如早點。

在使用python處理xml的問題上，首先遇到的是編碼問題。

python並不支援gb2312，所以面對encoding="gb2312"的xml檔案會出現錯誤。python讀取的檔案本身的編碼也可能導致丟擲異常，這種情況下開啟檔案的時候就需要指定編碼。此外就是xml中節點所包含的中文。

我這裡呢，處理就比較簡單了，只需要修改xml的encoding頭部。

#!/usr/bin/env python


import os, sys


import re


def replacexmlencoding(filepath, oldencoding='gb2312', newencoding='utf-8'):


f = open(filepath, mode='r')


content = f.read()


content = re.sub(oldencoding, newencoding, content)


f.close()


f = open(filepath, mode='w')


f.write(content)


f.close()


if __name__ == "__main__":


replacexmlencoding('./activateaccount.xml')

接著是使用xml.etree.elementtree來操作xml檔案。

在乙個類裡面定義__call__函式可以使得該類可呼叫，比如下面**的最後幾行，在__main__函式中。這也很突出地體現了在python的世界裡，一切都是物件，包括物件本身 ：）

一直覺得__main__函式用來測試真是蠻好用的。

#!/usr/bin/env python


import os, re


import xml.etree.elementtree as etree


locale_path = "./locale.txt"


class xmlextractor(object):


def __init__(self):


pass


def __call__(self, filepath):


retdict = {}


f = open(filepath, 'r')


line = len(open(filepath, 'r').readlines())


retdict['line'] = line


tree = etree.parse(f)


root = tree.find("resitem")


id = root.get("id")


retdict['title'] = id


resitemcnt = len(list(root.findall("resitem"))) + 1


retdict['resitemcount'] = resitemcnt


retdict['chinesetip'] = 'none'


for child in root:


attrdict = child.attrib


keyword = "name"


if(keyword in attrdict.keys() and attrdict['name'] == "caption"):


if len(child.attrib['value']) > 1:


if child.attrib['value'][0] == '~':


title = child.attrib['value'][1:]


else:


title = child.attrib['value'][0:]


#print(title)


chs = open(locale_path).read()


pattern = '[^>]+>'


m = re.search(pattern, chs)


if m != none:


realtitle = re.sub('<[^>]+>', '', m.group(0))


retdict['chinesetip'] = realtitle


f.close()


return retdict


if __name__ == "__main__":


fo = xmlextractor()


d = fo('./activateaccount.xml')


print(d)

最後，就是入口檔案，匯入上面兩個檔案，使用xml.dom和os.listdir來遞迴處理xml檔案，並生成乙個結果集。

一直覺得python的unboundlocalerror

錯誤挺有意思的，不知道是不是符號表的覆蓋問題。

#!/usr/bin/env python


from xmlextractor import *


from replacexmlencoding import *


from xml.dom import minidom,node


doc = minidom.document()


extractor = xmlextractor()


totallines = 0


totalresitemcnt = 0


totalxmlfilecnt = 0


totalerrorcnt = 0


errorfilelist = 


xmlroot = doc.createelement("xmlresourcefile")


def mywalkdir(level, path):


global doc, extractor, totallines, totalresitemcnt, totalxmlfilecnt


global totalerrorcnt, errorfilelist


global xmlroot


for i in os.listdir(path):


if i[-3:] == 'xml':


totalxmlfilecnt += 1


try:


#先把xml的encoding由gb2312轉換為utf-8


replacexmlencoding(path + '\\' + i)


#再提取xml文件中需要的資訊


info = extractor(path + '\\' + i)


#在上述兩行**沒有出現異常的基礎上再建立節點


#print(info)


#print(type(i))


xmlnode = doc.createelement("xmlfile")


xmlname = doc.createelement("filename")


xmlname.setattribute('value', i)


filepath = doc.createelement("filepath")


filepath.setattribute('value', path[34:])


titlenode = doc.createelement("title")


titlenode.setattribute('value', str(info['title']))


chsnode = doc.createelement("chinesetip")


chsnode.setattribute('value', str(info['chinesetip']))


resitemnode = doc.createelement("resitemcount")


resitemnode.setattribute('value', str(info['resitemcount']))


linenode = doc.createelement("linecount")


linenode.setattribute('value', str(info['line']))


descnode = doc.createelement("description")


descnode.setattribute('value', '')


except exception as errordetail:


totalerrorcnt += 1


print(path + '\\' + i, errordetail)


if os.path.isdir(path + '\\' + i):


mywalkdir(level+1, path + '\\' + i)


if __name__ == "__main__":


path = os.getcwd() + '\\themes'


mywalkdir(0, path)


print(totalxmlfilecnt, totalerrorcnt)


#print(doc.toprettyxml(indent = "    "))


resultxml = open("./xmlresourcelist.xml", "w")


resultxml.write(doc.toprettyxml(indent = "    "))


resultxml.close()

使用Python處理XML

很久沒有寫博文了，也很久沒有碰python了。剛好工作需要，小小動手了下。因為是在新機器上，所以就直接裝了python 3，反正以後也是要適應，不如早點。在使用python處理xml的問題上，首先遇到的是編碼問題。python並不支援gb2312，所以面對encoding gb2312 的xml檔案...

python處理xml資料

由於最近需要使用python處理xml資料，因此到網上找了些資料學習了下。最新學習的是python的xml.dom.minidom模組，按照資料上的說法，特地在python命令列環境驗證了一下 執行之後卻發現xml.dom.minidom無法獲取xml節點之間的文字值，如下 test 14 tdoc...

python 處理xml檔案

python 處理xml檔案 最近基因注釋需要查閱文獻是否報道過。由於基因很多，想了乙個辦法。ncbi上每個蛋白有關的登入號下會有文獻的題目。根據序列比對結果，然後調取對應的文獻。首先獲取小麥族 147389 所有的199754條蛋白序列，截止日期是17 5 22.末尾 python try imp...