视频1 视频21 视频41 视频61 视频文章1 视频文章21 视频文章41 视频文章61 推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37 推荐39 推荐41 推荐43 推荐45 推荐47 推荐49 关键词1 关键词101 关键词201 关键词301 关键词401 关键词501 关键词601 关键词701 关键词801 关键词901 关键词1001 关键词1101 关键词1201 关键词1301 关键词1401 关键词1501 关键词1601 关键词1701 关键词1801 关键词1901 视频扩展1 视频扩展6 视频扩展11 视频扩展16 文章1 文章201 文章401 文章601 文章801 文章1001 资讯1 资讯501 资讯1001 资讯1501 标签1 标签501 标签1001 关键词1 关键词501 关键词1001 关键词1501 专题2001
python自定析简单xml格式文件的方法
2020-11-27 14:41:32 责编:小采
文档


本文实例讲述了python自定析简单xml格式文件的方法。分享给大家供大家参考。具体分析如下:

因为公司内部的接口返回的字串支持2种形式:php数组,xml;结果php数组python不能直接用,而xml字符串的格式不是标准的,所以也不能用标准模块解析。【不标准的地方是某些节点会的名称是以数字开头的】,所以写个简单的脚步来解析一下文件,用来做接口测试。

#!/usr/bin/env python
#encoding: utf-8
import re
class xmlparse:
 def __init__(self, xmlstr):
 self.xmlstr = xmlstr
 self.xmldom = self.__convet2utf8()
 self.xmlnodelist = []
 self.xpath = ''
 def __convet2utf8(self):
 headstr = self.__get_head()
 xmldomstr = self.xmlstr.replace(headstr, '')
 if 'gbk' in headstr: 
 xmldomstr = xmldomstr.decode('gbk').encode('utf-8')
 elif 'gb2312' in headstr:
 xmldomstr = self.xmlstr.decode('gb2312').encode('utf-8')
 return xmldomstr
 def __get_head(self):
 headpat = r'<?xml.*?>'
 headpatobj = re.compile(headpat)
 headregobj = headpatobj.match(self.xmlstr)
 if headregobj:
 headstr = headregobj.group()
 return headstr
 else:
 return ''
 def parse(self, xpath):
 self.xpath = xpath
 xpatlist = []
 xpatharr = self.xpath.split('/')
 for xnode in xpatharr:
 if xnode:
 spcindex = xnode.find('[')
 if spcindex > -1:
 index = int(xnode[spcindex+1:-1])
 xnode = xnode[:spcindex]
 else:
 index = 0;
 temppat = ('<%s>(.*?)' % (xnode, xnode),index)
 xpatlist.append(temppat)
 xmlnodestr = self.xmldom
 for xpat,index in xpatlist:
 xmlnodelist = re.findall(xpat,xmlnodestr)
 xmlnodestr = xmlnodelist[index]
 if xmlnodestr.startswith(r'aaaaabbbbb'
 xpath1 = '/product_id'
 xpath2 = '/product_id[1]'
 xpath3 = '/a/product_id'
 xp = xmlparse(xmlstr)
 print 'xmlstr:',xp.xmlstr
 print 'xmldom:',xp.xmldom
 print '------------------------------'
 getstr = xp.parse(xpath1)
 print 'xpath:',xp.xpath
 print 'get list:',xp.xmlnodelist
 print 'get string:', getstr
 print '------------------------------'
 getstr = xp.parse(xpath2)
 print 'xpath:',xp.xpath
 print 'get list:',xp.xmlnodelist
 print 'get string:', getstr
 print '------------------------------'
 getstr = xp.parse(xpath3)
 print 'xpath:',xp.xpath
 print 'get list:',xp.xmlnodelist
 print 'get string:', getstr

运行结果:

xmlstr: <?xml version="1.0" encoding="utf-8" standalone="yes" ?>aaaaabbbbb
xmldom: aaaaabbbbb
------------------------------
xpath: /product_id
get list: ['aaaaa', 'bbbbb']
get string: aaaaa
------------------------------
xpath: /product_id[1] 
get list: ['aaaaa', 'bbbbb']
get string: bbbbb
------------------------------
xpath: /a/product_id
get list: ['aaaaa']
get string: aaaaa

因为返回的xml格式比较简单,没有带属性的节点,所以处理起来就比较简单了。但测试还是发现有一个bug。即当相同节点嵌套时会出现正则匹配出问题,该问题的可以通过避免在xpath中出现有嵌套节点的名称来解决,否则只有重写复杂的机制了。

希望本文所述对大家的Python程序设计有所帮助。

下载本文
显示全文
专题