web-dev-qa-db-ja.com

PythonでXMLを解析する方法

私はxmlを含むデータベースに多くの行を持っています、そして私はそれらの行を通過しそして特定のノード属性のいくつのインスタンスが現れるかを数えるPythonスクリプトを書くことを試みています。たとえば、私の木は次のようになります。

<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>

Pythonを使用してXMLの属性1と2にアクセスするにはどうすればよいですか。

pythonxml
864
randombits

ElementTree をお勧めします。 Python標準ライブラリ自体の lxml やcElementTreeなど、同じAPIに互換性のある実装が他にもあります。しかし、これに関連して、彼らが主に付け加えるものはさらにスピードが上がっています - プログラミングの容易さはElementTreeが定義するAPIにかかっています。

最初にXMLからElementインスタンスrootを作成します。 _ xml _ 関数を使用するか、ファイルを次のように解析してください。

import xml.etree.ElementTree as ET
root = ET.parse('thefile.xml').getroot()

または ElementTree に示されている他の多くの方法のいずれか。その後、次のようにします。

for type_tag in root.findall('bar/type'):
    value = type_tag.get('foobar')
    print(value)

同様の、通常は非常に単純なコードパターン。

669
Alex Martelli

minidom が最も早くて簡単です。

XML：

<data>
    <items>
        <item name="item1"></item>
        <item name="item2"></item>
        <item name="item3"></item>
        <item name="item4"></item>
    </items>
</data>

パイソン：

from xml.dom import minidom
xmldoc = minidom.parse('items.xml')
itemlist = xmldoc.getElementsByTagName('item')
print(len(itemlist))
print(itemlist[0].attributes['name'].value)
for s in itemlist:
    print(s.attributes['name'].value)

出力

4
item1
item1
item2
item3
item4
402
Ryan Christensen

BeautifulSoup を使えます

from bs4 import BeautifulSoup

x="""<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>"""

y=BeautifulSoup(x)
>>> y.foo.bar.type["foobar"]
u'1'

>>> y.foo.bar.findAll("type")
[<type foobar="1"></type>, <type foobar="2"></type>]

>>> y.foo.bar.findAll("type")[0]["foobar"]
u'1'
>>> y.foo.bar.findAll("type")[1]["foobar"]
u'2'
222
YOU

そこに多くのオプションがあります。 cElementTree 速度とメモリ使用量が問題になる場合は/に優れています。単にreadlinesを使ってファイルを読み込むのに比べて、オーバーヘッドはほとんどありません。

関連するメトリックは、 cElementTree Webサイトからコピーされた以下の表にあります。

library                         time    space
xml.dom.minidom (Python 2.1)    6.3 s   80000K
gnosis.objectify                2.0 s   22000k
xml.dom.minidom (Python 2.4)    1.4 s   53000k
ElementTree 1.2                 1.6 s   14500k  
ElementTree 1.2.4/1.3           1.1 s   14500k  
cDomlette (C extension)         0.540 s 20500k
PyRXPU (C extension)            0.175 s 10850k
libxml2 (C extension)           0.098 s 16000k
readlines (read as utf-8)       0.093 s 8850k
cElementTree (C extension)  --> 0.047 s 4900K <--
readlines (read as ascii)       0.032 s 5050k

@jfs で指摘されているように、cElementTreeはPythonにバンドルされています。

  • Python 2：from xml.etree import cElementTree as ElementTree.
  • Python 3：from xml.etree import ElementTree（Cの高速版が自動的に使われます）.
89
Cyrus

簡単のために xmltodict をお勧めします。

XmlをOrderedDictに解析します。

>>> e = '<foo>
             <bar>
                 <type foobar="1"/>
                 <type foobar="2"/>
             </bar>
        </foo> '

>>> import xmltodict
>>> result = xmltodict.parse(e)
>>> result

OrderedDict([(u'foo', OrderedDict([(u'bar', OrderedDict([(u'type', [OrderedDict([(u'@foobar', u'1')]), OrderedDict([(u'@foobar', u'2')])])]))]))])

>>> result['foo']

OrderedDict([(u'bar', OrderedDict([(u'type', [OrderedDict([(u'@foobar', u'1')]), OrderedDict([(u'@foobar', u'2')])])]))])

>>> result['foo']['bar']

OrderedDict([(u'type', [OrderedDict([(u'@foobar', u'1')]), OrderedDict([(u'@foobar', u'2')])])])
37
myildirim

lxml.objectify は本当に簡単です。

サンプルテキストを撮る：

from lxml import objectify
from collections import defaultdict

count = defaultdict(int)

root = objectify.fromstring(text)

for item in root.bar.type:
    count[item.attrib.get("foobar")] += 1

print dict(count)

出力：

{'1': 1, '2': 1}
36
Ryan Ginstrom

Pythonにはexpat xmlパーサへのインタフェースがあります。

xml.parsers.expat

これは検証されていないパーサなので、悪いxmlはキャッチされません。しかし、あなたのファイルが正しいことを知っていれば、これはかなり良いです、そしておそらくあなたは あなたが望む正確な情報を得て、あなたはその場で残りを捨てることができます。 

stringofxml = """<foo>
    <bar>
        <type arg="value" />
        <type arg="value" />
        <type arg="value" />
    </bar>
    <bar>
        <type arg="value" />
    </bar>
</foo>"""
count = 0
def start(name, attr):
    global count
    if name == 'type':
        count += 1

p = expat.ParserCreate()
p.StartElementHandler = start
p.Parse(stringofxml)

print count # prints 4
19
Tor Valamo

declxml をお勧めします。

完全な開示：このライブラリを書いたのは、ElementTreeを使って何十行もの命令型構文解析/直列化コードを書く必要なしに、XMLとPythonのデータ構造を変換する方法を探していたからです。

Declxmlでは、 processor を使用してXML文書の構造を宣言的に定義し、XMLデータ構造とPythonデータ構造の間のマッピング方法を定義します。プロセッサは、シリアル化と解析の両方、および基本的な検証レベルに使用されます。

Pythonのデータ構造を解析するのは簡単です。

import declxml as xml

xml_string = """
<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>
"""

processor = xml.dictionary('foo', [
    xml.dictionary('bar', [
        xml.array(xml.integer('type', attribute='foobar'))
    ])
])

xml.parse_from_string(processor, xml_string)

これは出力を生成します：

{'bar': {'foobar': [1, 2]}}

同じプロセッサを使ってデータをXMLにシリアル化することもできます。

data = {'bar': {
    'foobar': [7, 3, 21, 16, 11]
}}

xml.serialize_to_string(processor, data, indent='    ')

これは以下の出力を生成します

<?xml version="1.0" ?>
<foo>
    <bar>
        <type foobar="7"/>
        <type foobar="3"/>
        <type foobar="21"/>
        <type foobar="16"/>
        <type foobar="11"/>
    </bar>
</foo>

辞書の代わりにオブジェクトを使用したい場合は、オブジェクトとの間でもデータを変換するようにプロセッサを定義できます。

import declxml as xml

class Bar:

    def __init__(self):
        self.foobars = []

    def __repr__(self):
        return 'Bar(foobars={})'.format(self.foobars)


xml_string = """
<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>
"""

processor = xml.dictionary('foo', [
    xml.user_object('bar', Bar, [
        xml.array(xml.integer('type', attribute='foobar'), alias='foobars')
    ])
])

xml.parse_from_string(processor, xml_string)

これは以下の出力を生成します

{'bar': Bar(foobars=[1, 2])}
11
gatkin

別の可能性を追加するために、それは単純なxml-to-python-objectライブラリであるので、あなたはuntangleを使うことができます。ここに例があります：

インストール 

pip install untangle

使用方法

あなたのxmlファイル（少し変更されたもの）：

<foo>
   <bar name="bar_name">
      <type foobar="1"/>
   </bar>
</foo>

untangleを使って属性にアクセスする：

import untangle

obj = untangle.parse('/path_to_xml_file/file.xml')

print obj.foo.bar['name']
print obj.foo.bar.type['foobar']

出力は以下のようになります。

bar_name
1

解くことについてのより多くの情報は見つけることができます ここ 。
（あなたが興味があるなら）また、あなたはXMLとPythonを扱うためのツールのリストを見つけることができます ここ （あなたはまた、最も一般的なものが以前の答えで言及されたのを見るでしょう）。

11
jessag

これはcElementTreeを使った非常に単純だが効果的なコードです。

try:
    import cElementTree as ET
except ImportError:
  try:
    # Python 2.5 need to import a different module
    import xml.etree.cElementTree as ET
  except ImportError:
    exit_err("Failed to import cElementTree from any known place")      

def find_in_tree(tree, node):
    found = tree.find(node)
    if found == None:
        print "No %s in file" % node
        found = []
    return found  

# Parse a xml file (specify the path)
def_file = "xml_file_name.xml"
try:
    dom = ET.parse(open(def_file, "r"))
    root = dom.getroot()
except:
    exit_err("Unable to open and parse input definition file: " + def_file)

# Parse to find the child nodes list of node 'myNode'
fwdefs = find_in_tree(root,"myNode")

ソース：

http://www.snip2code.com/Snippet/991/python-xml-parse?fromPage=1

10
Jan Kohila

私はPythonの xml.dom とxml.dom.minidomをとても簡単に見つけます。 DOMは大量のXMLには適していませんが、入力がかなり小さい場合はこれで問題ありません。

6
EMP
import xml.etree.ElementTree as ET
data = '''<foo>
           <bar>
               <type foobar="1"/>
               <type foobar="2"/>
          </bar>
       </foo>'''
tree = ET.fromstring(data)
lst = tree.findall('bar/type')
for item in lst:
    print item.get('foobar')

これはfoobar属性の値を表示します。

5
Souvik Dey

XML

<foo>
   <bar>
      <type foobar="1"/>
      <type foobar="2"/>
   </bar>
</foo>

PYTHON_CODE

import xml.etree.cElementTree as ET

tree = ET.parse("foo.xml")
root = tree.getroot() 
root_tag = root.tag
print(root_tag) 

for form in root.findall("./bar/type"):
    x=(form.attrib)
    z=list(x)
    for i in z:
        print(x[i])

出力：

foo
1
2
4
Ahito

xml.etree.ElementTreeとlxml

これらは私がそれらの間で選択する前に知っておくと便利な2つの最も使用されているライブラリのうちのいくつかの長所です。

xml.etree.ElementTree：

  1. 標準ライブラリから ：モジュールをインストールする必要はありません

lxml

  1. XML宣言を簡単に書く ：例えばstandalone="no"を追加する必要がありますか？
  2. きれいな印刷 ：余分なコードなしでNice インデント XMLを持つことができます。
  3. 目的 機能性：通常のPythonオブジェクトhierarchy.nodeを扱っているかのようにXMLを使うことができます。
2
G M