Español 
English 
简体中文 
Português do Brasil 
Deutsch 
Français 
Русский 
Türkçe 
Polski 
Tiếng Việt 
한국어 
Nederlands 
Italiano 
日本語 
Eesti 
Čeština 
മലയാളം 
Bahasa Melayu 
हिन्दी 
اردو 
Bahasa Indonesia 
العربية 
Web segura
Análisis XML en Python: Una guía completa
XML (Extensible Markup Language) es un lenguaje popular utilizado para almacenar y transferir datos. Python proporciona varias bibliotecas para analizar XML. En esta guía, te presentaremos dos bibliotecas integradas de Python para analizar XML: xml.dom.minidom y xml.etree.ElementTree.
Paso 1: Análisis de XML con xml.dom.minidom
La biblioteca xml.dom.minidom permite analizar documentos XML con Python. Para analizar una cadena XML, utilice el método parseString:
from xml.dom.minidom import parseString
xml_string = """
<library>
<book>
<title>The Great Gatsby</title>
<author>F. Scott Fitzgerald</author>
<year>1925</year>
</book>
</library>
"""
document = parseString(xml_string)
print(document.getElementsByTagName("title")[0].firstChild.nodeValue)
En el código anterior, analizamos la cadena XML y extraemos el título del libro.
Paso 2: Análisis de XML con xml.etree.ElementTree
La biblioteca xml.etree.ElementTree (ET) proporciona una forma más pitónica de analizar XML. Para analizar una cadena XML, utilice el método fromstring:
import xml.etree.ElementTree as ET
xml_string = """
<library>
<book>
<title>The Great Gatsby</title>
<author>F. Scott Fitzgerald</author>
<year>1925</year>
</book>
</library>
"""
root = ET.fromstring(xml_string)
for child in root.iter():
if child.text.strip():
print(child.text)
En el código anterior, analizamos la cadena XML e imprimimos el texto de cada elemento.
Paso 3: Análisis de archivos XML
Tanto minidom como ElementTree pueden analizar XML desde archivos utilizando el método parse:
# Using minidom
from xml.dom.minidom import parse
document = parse("sample.xml")
print(document.getElementsByTagName("title")[0].firstChild.nodeValue)
# Using ElementTree
import xml.etree.ElementTree as ET
root = ET.parse("sample.xml")
for child in root.iter():
if child.text.strip():
print(child.text)
El código anterior muestra cómo analizar un archivo XML e imprimir algunos elementos.
Paso 4: Guardar los datos XML en un archivo CSV
Después de analizar el XML, puede guardar los datos en un archivo CSV utilizando la biblioteca pandas:
import pandas as pd
parsed_dict = {
"title": ["The Great Gatsby"],
"author": ["F. Scott Fitzgerald"],
"year": [1925]
}
df = pd.DataFrame(parsed_dict)
df.to_csv("parsed_xml_data.csv", index=False)
Paso 5: Tratamiento de XML no válido
La biblioteca Beautiful Soup puede analizar documentos XML que pueden contener errores:
from bs4 import BeautifulSoup
invalid_xml = """
<root>
<person>
<name>John Doe</name>
<message>This is a message & an invalid XML example.</message>
</person>
</root>
"""
soup = BeautifulSoup(invalid_xml, features="lxml-xml")
print(soup.prettify())
Beautiful Soup puede manejar XML inválido, pero es más lenta que otras bibliotecas de análisis XML.
Comentarios (0)
Aún no hay comentarios aquí, ¡tú puedes ser el primero!