Python и XML

Question

[tucnak]

Я новичок в языке Пайтон. Сейчас решил научится работать с XML. Как обычно — возникают сложности.

На компе Windows 7, Python 2.7

document.xml

<document>
	<name>Illya Kovalevskiy</name>
	<hobby>Computer Programming</hobby>
</document>

xml-parser.py

from xml.dom.minidom import *

xml = parse('document.xml')
name = xml.getElementsByTagName('name')

for node in name:
	print node

Запускаю, выдает — DOM Element: name at 0xblablab

Простите за очень корявый разбор.

Укажите на ошибки в разборе дерева и объясните как считать текст между тегов.

Конкретно интересует разбор уже ранее известного дерева.

P.S. Простите за грамматические ошибки, в 7 классе Киевского лицея не преподают русский язык.

Answer 1

[shsmad]

вуаля

from xml.dom.minidom import *

xml = parse('document.xml')
name = xml.getElementsByTagName('name')

for node in name:
	print node.childNodes[0].nodeValue

Comments

[tucnak]

Спасибо. Работает. Очень благодарен.

[Анатолий]

Если не сложно, обьясните плиз принцип такого кода:
1. name = xml.getElementsByTagName('name') .// получаем коллекцию нод с именем name
2. for node in name: // проходимся по каждой и получаем элемент коллекции (ноду)
3. node.childNodes[0].nodeValue // выводим значение первого элемента полученной ноды
Но ведь в ноде name нет детей, откуда берется .childNodes[0]? Почему нужно работать именно с ней?

[MT]

Про текстовые DOM-узлы слышали? ;-)

Answer 2

[bekbulatov]

С lxml можно так

from lxml import etree
tree = etree.parse('document.xml')
print tree.xpath("/document/name/text()")
print tree.xpath("/document/hobby/text()")

Туториал

Answer 3

[Анатолий]

Блин, ну Вы даете.
1. Я не знаю питона
2. Я скачал питон
3. Я запустил Ваш скрипт
4. Я получил Ваш результат
5.!!!
6. PROFIT

from xml.dom.minidom import *

xml = parse('document.xml')
name = xml.getElementsByTagName('name')

for node in name:
	print dir(node)

Вывод: Новое поколение — пипец ленивое, знаете что прячется за восклицательными знаками? (рас и Два[«python список методов объекта» гугл первая же ссылка])

Comments

[dutchakdev]

Чувствую себя говном.

[Анатолий]

Кстати зря =) Я так и не понял как вывести значение ноды как текст, тока как xml =) Когда пытаюсь вывести name.nodeValue выдает None, вот тут я уже не вкурсе почему, отсутствие знаний питона сказывается =)

[Владимир Чернышев]

Это не незнание Python, а незнание XML и DOM. «Illya Kovalevskiy» это не значение ноды name, а значение анонимной текстовой ноды, являющейся дитём ноды name.

[Анатолий]

Почему у ноды name должны быть дети, если их нет?

Answer 4

[dutchakdev]

Лично я далеко не профи в Python, но язык очень нравится. Сейчас загружен и некогда засеть и углубится в него.
Но на данное время я могу родить лишь вот такое:
#demo.xml

<document>
	<name>AcidSlayer</name>
	<hobby>Python</hobby>
</document>

#habra.py

#Тут поняно
from xml.dom.minidom import parseString
#Берем фалйлик
file = open('demo.xml')
#Конвертим его в string
data = file.read()
#Тут понятно
file.close()
#Парсим сам файл
dom = parseString(data)
#Полчаем хабра теги
nameTag = dom.getElementsByTagName('name')[0].toxml()
hobbyTag = dom.getElementsByTagName('hobby')[0].toxml()
#Убераем лишнее
name=nameTag.replace('<name>','').replace('</name>','')
hobby=hobbyTag.replace('<hobby>','').replace('</hobby>','')
#Выводим
print name
print hobby

Как-то так.

Comments

[Анатолий]

Реально говно, должен быть спосб проще и адекватней =) Даже в пхп есть нормальные способы работы с xml, понятные и логичные, без реплейсов

Answer 5

[Ano]

Ну вы все даете. Вы в курсе, что у python есть документация? С примерами.

docs.python.org/library/xml.dom.minidom.html

Вы в курсе, что принципы DOM везде одинаковые, и есть текстовые узлы?

>>> dom = parseString('<doc><name>Non nom</name><hobby>python</hobby></doc>')
>>> textnode = dom.getElementsByTagName('name')[0].childNodes[0]
>>> print textnode
<DOM Text node "u'Non nom'">
>>> textnode.nodeType == textnode.TEXT_NODE
True
>>> textnode.nodeValue
u'Non nom'

Comments

[Ano]

И да, разумеется, с lxml (и с любым etree) проще :)

[Анатолий]

«Вы в курсе, что принципы DOM везде одинаковые»
Исходя из ваших слов, текущий код должен быть валидным и отдавать содержимое документа:

document.getElementsByTagName('body')[0].childNodes[0].nodeValue

Это код на JavaScript, принципы DOM ведь везде одинаковые.

[Ano]

Этот код валидный и отдает содержимое первого текстового узла, дочернего по отношению к первому элементу BODY. На этой странице, например, это несколько переносов строк.

> document.getElementsByTagName('body')[0].childNodes[0].nodeValue
"
		



"

[Анатолий]

Тоесть в xml типа:

<document>
	<name>AcidSlayer</name>
	<hobby>Python</hobby>
</document>

на самом деле струкрута примерно такая:

<document>
    <name>
        <#text>AcidSlayer</#text>
    </name>
    <hobby>
        <#text>Python</#text>
    </hobby>
</document>

[Ano]

Даже такая:

<document><#text>
    </#text><name><#text>AcidSlayer</#text></name>
    <hobby><#text>Python</#text></hobby><#text>
</#text></document>

[dutchakdev]

Очень интересно, спасибо. На днях посижу доку почитаю)

Answer 6

[FloppyFormator]

А замечательную библиотечку ElementTree вы не пробовали? Вроде как, разбирать XML этой штукой намного проще.

P. S. Некоторые по-русски намного хуже пишут, а извиняться и не думают. У вас и ошибок-то почти нет :)