Python XML Parsing: Исчерпывающее руководство с примерами

Python XML Parsing: Исчерпывающее руководство

XML (Extensible Markup Language) - это популярный язык, используемый для хранения и передачи данных. Python предоставляет несколько библиотек для разбора XML. В этом руководстве мы познакомим вас с двумя встроенными библиотеками Python для разбора XML: xml.dom.minidom и xml.etree.ElementTree.

Шаг 1: Разбор XML с помощью xml.dom.minidom

Библиотека xml.dom.minidom позволяет разбирать документы XML с помощью Python. Чтобы разобрать строку XML, используйте метод 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)

В приведенном выше коде мы разбираем строку XML и извлекаем название книги.

Шаг 2: Разбор XML с помощью xml.etree.ElementTree

Библиотека xml.etree.ElementTree (ET) предоставляет более питонический способ разбора XML. Чтобы разобрать строку XML, используйте метод 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)

В приведенном выше коде мы разбираем строку XML и выводим текст каждого элемента.

Шаг 3: Разбор XML-файлов

И minidom, и ElementTree могут анализировать XML из файлов, используя метод 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)

Приведенный выше код демонстрирует, как разобрать XML-файл и вывести некоторые элементы.

Шаг 4: Сохранение данных XML в файл CSV

После разбора XML вы можете сохранить данные в CSV-файл с помощью библиотеки 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)

Шаг 5: Обработка недопустимого XML

Библиотека Beautiful Soup может разбирать XML-документы, которые могут содержать ошибки:

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 может обрабатывать недействительный XML, но он медленнее других библиотек для разбора XML.