簡介

XML不是為了方便閱讀而設計，而是為了編碼為資料。當有一些文字有很多文件，可以用編碼的方式使3一些文字便與處理。

設計原則

• 提供不依賴平臺的資料轉移
• 方便的編寫讀寫XML程式
• 資料格式是可驗證的
• 便於人工閱讀
• 為了支援各種應用而設計

練習：提取XML資料

• 從 xml 中提取關於文章作者的資料
• 將其新增到列表中，一個作者對應一個條目
• 名字、姓氏和電子郵箱標籤應該直接對應字典關鍵字
  實現程式碼如下:

def get_author(root):
    authors = []
    for author in root.findall('./fm/bibl/aug/au'):
# 用這種方法就可以建立字典
 

        data = {
                "fnm": None,
                "snm": None,
                "email": None
        }

# 用這種方法可以直接給字典中的鍵賦值
        data["fnm"] = author.findtext('./fnm') 
        data["snm"] = author.findtext('./snm')
        data["email"] = author.findtext('./email')
# authors列表中就會包含一個又一個data字典
 

        authors.append(data)

    return authors

最後部分輸出結果如下所示：

[{‘fnm’:‘Omer’,‘snm’:‘Mei-Dan’,‘email’:‘[email protected]’}, {‘fnm’:‘Mike’,‘snm’:‘Carmont’,‘email’:‘[email protected]’},…]

這裡我們介紹一下用於處理xml的findtext()方法

findtext(要匹配的， 預設=None，名稱空間=None)

查詢發現文字文件中的第一個子元素所要匹配的內容，匹配的內容可能是標籤名或路徑。返回第一個匹配元素的文字內容，如果未找到元素，則返回預設值。注意，如果匹配元素沒有文字內容，則返回空字串。名稱空間是從名稱空間字首到全名的可選對映。

練習：處理屬性

• 在上述要求之上增加有屬性特性的資料

<?xml version="1.0" encoding="utf-8"?>
<catalog>
       <maxid>4</maxid>
       <!--此處的username就是屬性，id=‘4’也是一樣的   -->
       <login username="pytest" passwd='123456'>
            　　<caption>Python</caption>
             <item id="4">
                    <caption>測試</caption>
            </item>
    </login>
    <item id="2">
            <caption>Zope</caption>
    </item>
    
</catalog>

處理方法如下：

def get_authors(root):
    authors = []
    for author in root.findall('./fm/bibl/aug/au'):
        data = {
                "fnm": None,
                "snm": None,
                "email": None,
                "insr": []
        }
        data["fnm"] = author.findtext('./fnm') 
        data["snm"] = author.findtext('./snm')
        data["email"] = author.findtext('./email')
        insr = author.findall('./insr')
        
# 用findall()返回的是一個列表，所以要進行一下遍歷操作
        for i in insr:
# insr鍵所對應的值是一個列表，所以給鍵賦值時可以用append方法
# 這裡attrib是一個字典，這個語句的意思是：取出attrib字典“iid”鍵所對應的值，通過append方法，
# 新增到data中“insr”鍵所對應的值得列表中。
            data["insr"].append(i.attrib["iid"])
        authors.append(data)

    return authors

此處的insr就帶有屬性，部分資料集中xml如下所示：

<insr iid="I2"/>

部分輸出結果如下：

[{‘insr’:[‘I1’],‘fnm’:‘Omer’,‘snm’:‘Mei-Dan’,‘email’: ‘[email protected]’}{‘insr’[‘I2’],‘fnm’:‘Mike’,‘snm’:‘Carmont’,‘email’:‘[email protected]’}…]

接下來介紹一下處理帶屬性的資料的方法：

findall(要匹配的, namespaces=None)

通過標籤名稱或路徑查詢所匹配的所有元素，返回包含文件順序中所有匹配元素的列表。名稱空間是從名稱空間字首到全名的可選對映。

attrib介紹

包含元素屬性的字典。注意，當屬性值始終是一個真正的可變的Python字典時，ElementTree實施可能選擇其他的內部表示。

更多精彩內容歡迎關注我的微信公眾號：資料瞎分析