python模块之xml.etree.ElementTree

约定不等于承诺〃 2022-01-06 23:47 264阅读 0赞

python有三种方法解析XML，SAX，DOM，以及ElementTree  
\#\#\#1.SAX (simple API for XML )  
 pyhton 标准库包含SAX解析器，SAX是一种典型的极为快速的工具，在解析XML时，不会占用大量内存。  
但是这是基于回调机制的，因此在某些数据中，它会调用某些方法进行传递。这意味着必须为数据指定句柄，  
以维持自己的状态，这是非常困难的。  
  
  
\#\#\#2.DOM(Document Object Model)  
 与SAX比较，DOM典型的缺点是比较慢，消耗更多的内存，因为DOM会将整个XML数读入内存中，并为树  
中的第一个节点建立一个对象。使用DOM的好处是你不需要对状态进行追踪，因为每一个节点都知道谁是它的  
父节点，谁是子节点。但是DOM用起来有些麻烦。  
  
  
\#\#\#3.ElementTree(元素树)  
 ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少，这里主要  
介绍ElementTree。

一 基本知识  
1、插入节点  
Element.insert(index, element) 、Element(tag\[, attrib\]\[, \*\*extra\]) 、SubElement(parent, tag\[, attrib\[, \*\*extra\]\]) 、Element.append(subelement)  
2、删除节点  
Element.remove(subelement) 删除一个节点、Element.clear()删除该节点下所有子节点  
3、在节点中插入属性  
Element.set(key, value)

4、查找节点

a) Element.getiterator b) Element.getchildren c) Element.find d) Element.findall

#coding:utf-8
    import os,sys,os.path
    import xml.etree.ElementTree as ET 
    def read_xml(xmlFile,destDir):
        '''
      parse  xml,规则是解析如下格式的xml，root下的2、3级建立目录，第4级建立文件，4级以下以合适的形式写入到文件中
      <?xml version="1.0" ?> 
    - <root>
      - <FILE_DIRECTORY NAME="ca002">
       - <FILE_DIRECTORY NAME="RT_CA">
        - <FILE_NAME NAME="0000.obj">
            - <COFF_FILE_HEAD BEGIN="0" END="20">
                  <Machine>X86</Machine> 
                  <NumberOfSections>2</NumberOfSections> 
                  <PointerToSymbolTable>21205</PointerToSymbolTable> 
                  <NumberOfSymbols>107</NumberOfSymbols> 
                  <SizeOfOptionalHeader>0</SizeOfOptionalHeader> 
                  <Characteristics>0</Characteristics> 
              </COFF_FILE_HEAD>
            - <COFF_IMAGE_SECTIONS>
                - <COFF_IMAGE_SECTION INDEX="0">
                  <Name>.rdata</Name> 
                  <SizeOfRawData>5064</SizeOfRawData> 
                  <PointerToRawData>100</PointerToRawData> 
                  <PointerToRelocations>0</PointerToRelocations> 
                  <PointerToLinenumbers>0</PointerToLinenumbers> 
                  <NumberOfRelocations>0</NumberOfRelocations> 
                  <NumberOfLinenumbers>0</NumberOfLinenumbers> 
      '''
        # 加载XML文件（2种方法,一是加载指定字符串，二是加载指定文件）
        tree=ET.parse(xmlFile)
        root = tree.getroot()
        #root = ET.fromstring(xmlContent)
        dir1_nodes = root.getchildren()
        #create dir1
        for dir1_node in dir1_nodes:
            dir1=destDir+os.path.sep+dir1_node.attrib['NAME']
            if os.path.exists(dir1)==False:
                os.mkdir(dir1)
            #create dir2
            dir2_nodes = dir1_node.getchildren()
            for dir2_node in dir2_nodes:
                dir2=dir1+os.path.sep+dir2_node.attrib['NAME']
                if os.path.exists(dir2)==False:
                    os.mkdir(dir2)
                #create file
                dir3_nodes = dir2_node.getchildren()
                for dir3_node in dir3_nodes:
                    dir3=dir2+os.path.sep+dir3_node.attrib['NAME']
                    #print dir3
                    f=open(dir3,'w')
                    #遍历xml标签name=***.obj
                    prelen=0
                    dir4_nodes = dir3_node.getchildren()
                    for dir4_node in dir4_nodes:
                        traversal(dir4_node,f,prelen)
                    f.close()
    def traversal(node,f,prelen):
        '''recursively traversal the rest of xml's content'''
        length=node.getchildren()
        attrs=''
        texts=''
        if len(node.attrib)>0:
            for key in node.attrib:
                attrs+=str(key)+":"+str(node.attrib[key])+" "
            attrs=attrs[:-1]
            f.write('-'*prelen+node.tag+'('+attrs+')')
        else:
            f.write('-'*prelen+node.tag)
        if node.text!=None:
            f.write(':'+node.text)
        f.write('\n')
        if length!=0:
            nodes = node.getchildren()
            prelen+=4
            for node1 in nodes:           
                traversal(node1,f,prelen)           
    def parseXmls(filePath,destDir):
        '''traversal xmls directory'''
        if os.path.isfile(filePath)and os.path.basename(filePath).endswith('.xml'):
            #print filePath
            read_xml(filePath,destDir)
        else:
            for item in os.listdir(filePath):
                #print item
                subpath = filePath+os.path.sep+item
                parseXmls(subpath,destDir)
    def main():
        "Main function."
        #input xml dir
        while True:
            dir=raw_input("input the dir:")
            if not os.path.exists(dir):
                print("you input dir is not existed!")
                continue
            else:
                break
        #create the dir of dest path that using to store the parsing xmls 
        '''destDir = os.path.split(dir)[0]+os.sep+time.strftime('%Y%m%d')
            if not os.path.exists(destDir):
                os.mkdir(destDir) '''
        destDir = os.path.split(dir)[0]+os.path.sep+os.path.basename(dir)+'xml'
        if os.path.exists(destDir)==False:
                    os.mkdir(destDir)  
        #recall the function of parse the xmls
        parseXmls(dir,destDir)
        
    if __name__ == '__main__':
         main()