pl_PL Polski
pl_PL Polski en_US English zh_CN 简体中文 es_ES Español pt_BR Português do Brasil de_DE Deutsch fr_FR Français ru_RU Русский tr_TR Türkçe vi Tiếng Việt ko_KR 한국어 nl_NL Nederlands it_IT Italiano ja 日本語 et Eesti cs_CZ Čeština ml_IN മലയാളം ms_MY Bahasa Melayu hi_IN हिन्दी ur اردو id_ID Bahasa Indonesia ar العربية
Zaloguj się
Bezpłatny Proxy Próbny

Python XML Parsing: Kompleksowy przewodnik

XML (Extensible Markup Language) jest popularnym językiem używanym do przechowywania i przesyłania danych. Python udostępnia kilka bibliotek do analizowania XML. W tym przewodniku przedstawimy dwie wbudowane biblioteki Pythona do parsowania XML: xml.dom.minidom i xml.etree.ElementTree.

Krok 1: Parsowanie XML przy użyciu xml.dom.minidom

Biblioteka xml.dom.minidom umożliwia analizowanie dokumentów XML w Pythonie. Aby przeanalizować ciąg XML, należy użyć metody 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)

W powyższym kodzie analizujemy ciąg XML i wyodrębniamy tytuł książki.

Krok 2: Parsowanie XML przy użyciu xml.etree.ElementTree

Biblioteka xml.etree.ElementTree (ET) zapewnia bardziej Pythoniczny sposób analizowania XML. Aby przeanalizować ciąg XML, należy użyć metody 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)

W powyższym kodzie analizujemy ciąg XML i wypisujemy tekst każdego elementu.

Krok 3: Analizowanie plików XML

Zarówno minidom, jak i ElementTree mogą analizować XML z plików przy użyciu metody 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)

Powyższy kod pokazuje, jak przeanalizować plik XML i wydrukować niektóre elementy.

Krok 4: Zapisywanie danych XML do pliku CSV

Po przeanalizowaniu XML można zapisać dane do pliku CSV przy użyciu biblioteki 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)

Krok 5: Obsługa nieprawidłowego XML

Biblioteka Beautiful Soup może analizować dokumenty XML, które mogą zawierać błędy:

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 radzi sobie z nieprawidłowym XML, ale jest wolniejsza niż inne biblioteki parsujące XML.

Autor: Brandona Perry’ego
Opublikowano: 15 czerwca 2023
Ostatnia aktualizacja: 10 kwietnia 2025

Zdobądź teraz bezpłatny próbny serwer proxy!

Powiązane posty:

  1. Najlepsze języki programowania do nauki w 2023 roku
  2. Picnob: przeglądarka i narzędzie do pobierania Instagrama
  3. Movierulz Proxy: obszerny przewodnik po alternatywach, filmach i najpopularniejszych wyszukiwaniach
  4. Jak wysyłać nagłówki HTTP za pomocą cURL: Kompleksowy przewodnik z przykładami
  5. 5 powodów, dla których warto kupować i używać serwerów proxy z Japonii

Ostatnie posty

FAQ: Usługi serwera proxy

Parser XML to narzędzie służące do odczytywania i interpretowania dokumentów XML, konwertujące dane XML do ustrukturyzowanego formatu, który aplikacje mogą łatwo przetwarzać, np. obiektów Pythona lub słowników.

DOM (Document Object Model) to interfejs, który traktuje dokument XML lub HTML jako strukturę drzewa, w której każdy węzeł reprezentuje część dokumentu. Umożliwia łatwą nawigację, iterację i manipulowanie zawartością XML lub HTML.

Węzeł jest podstawowym składnikiem struktury DOM, reprezentującym elementy, atrybuty i tekst w dokumencie XML.

Przestrzeń nazw XML to metoda rozróżniania różnych elementów XML lub atrybutów, które mogą mieć identyczne nazwy, ale różne znaczenia. Przestrzenie nazw zapobiegają konfliktom nazw, różnicując elementy za pomocą prefiksów przestrzeni nazw.

W naszej bazie wiedzy znajdziesz kompleksowy samouczek dotyczący analizy składniowej XML w Pythonie. Obejmuje on podstawowe i zaawansowane zagadnienia, w tym wyrażenia XPath, obsługę przestrzeni nazw i analizę dużych plików.

Kilka parserów XML jest dostępnych w standardowej bibliotece Pythona, takich jak ElementTree API i interfejsy DOM. Obsługują one parsowanie dokumentów XML, walidację XML i wydajną obsługę dużych dokumentów.

Element główny jest elementem najwyższego poziomu dokumentu XML, od którego odchodzą wszystkie pozostałe elementy.

Wyrażenia XPath umożliwiają precyzyjny wybór określonych elementów XML. XPath jest niezbędny do lokalizowania węzłów, elementów podrzędnych, atrybutów i dopasowywania elementów w dokumencie XML.

Przestrzenie nazw XML pozwalają uniknąć konfliktów nazw elementów poprzez kwalifikowanie nazw elementów i atrybutów za pomocą prefiksów przestrzeni nazw lub domyślnych przestrzeni nazw.

Analizator składni XML jest niezwykle istotny, ponieważ dokładnie konwertuje reprezentacje ciągów XML na obiekty Pythona, zapewniając niezawodne przetwarzanie i walidację XML, zwłaszcza w przypadku złożonych lub dużych dokumentów.

Jeśli Twój dokument XML jest nieprawidłowo sformatowany, parser XML może zawieść lub zwrócić pusty ciąg. Upewnij się, że Twoja zawartość XML ma poprawnie sformatowane znaczniki otwierające i zamykające oraz jest walidowana względem definicji schematu XML (XSD).

Tak, API ElementTree nadaje się do wydajnego analizowania i przetwarzania dużych dokumentów XML bez nadmiernego wykorzystywania pamięci.

Interfejs DOM nie jest idealny w przypadku dużych plików XML, ponieważ przechowuje każdy element całego dokumentu XML w pamięci w postaci złożonych obiektów Pythona.

Można iterować po węzłach XML, używając zwykłych list Pythona, albo bezpośrednio iterując po elementach XML, korzystając z metod udostępnianych przez standardową bibliotekę Pythona, np. ElementTree.

Tak, standardowa biblioteka Pythona udostępnia narzędzia do weryfikacji plików XML względem definicji schematu XML w celu zapewnienia integralności i poprawności danych.

Przetworzone dane XML można przekonwertować na proste słowniki Pythona lub złożone obiekty Pythona przy użyciu niestandardowego kodu, co zwiększa dostępność i możliwości przetwarzania danych XML w czasie wykonywania.

Parsery XML dystrybuowane z Pythonem są bezpieczne, ponieważ domyślnie unikają niebezpiecznych funkcji XML. Upewnij się, że parser, którego używasz, jest obsługiwany przez zainstalowaną wersję Pythona, taką jak Python 3.8.

Parsery XML ułatwiają proces wyodrębniania ustrukturyzowanych danych ze źródeł XML i HTML podczas scrapowania stron internetowych, umożliwiając efektywną transformację zeskrobanych danych do obiektów Pythona lub słowników.

Jeśli natrafisz na nieprawidłowo sformatowany plik XML, musisz dokładnie przeanalizować dokument XML, obsłużyć wyjątki i ewentualnie poprawić nieprawidłowo sformatowaną zawartość XML przed ponowną analizą.

Tak, przeanalizowaną zawartość XML można przekształcić w odpowiadające jej obiekty Pythona lub słowniki, co ułatwia programową pracę ze strukturami danych.

Tak, wyrażenia XPath umożliwiają wybór wielu pasujących elementów w obrębie pliku XML, co pozwala na zapisanie każdego elementu odpowiadającego zapytaniu.

Interfejs DOM jest przydatny, gdy potrzebna jest rozbudowana nawigacja po dokumencie lub operacje iteracyjne, gdyż reprezentuje dane XML w postaci standardowego drzewa DOM, ułatwiając interakcję z węzłami, elementami podrzędnymi i atrybutami.

Obsługa przestrzeni nazw jest kluczowa, gdyż pozwala uniknąć nieporozumień w dokumentach XML, które używają wielu przestrzeni nazw, wyraźnie identyfikując elementy, nawet jeśli używają podobnych lub identycznych nazw w różnych przestrzeniach nazw.

Komentarze (0)

Nie ma tu jeszcze żadnych komentarzy, możesz być pierwszy!

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *

Wybierz i kup proxy

Serwery proxy dla centrów danych

Obrotowe proxy

Serwery proxy UDP