Python中將字典轉(zhuǎn)換為XML以及相關的命名空間解析

更新時間：2015年10月15日 15:55:01 投稿：goldensun

這篇文章主要介紹了Python中將字典轉(zhuǎn)換為XML以及相關的命名空間解析,包括使用字典創(chuàng)建XML等知識,需要的朋友可以參考下

盡管 xml.etree.ElementTree 庫通常用來做解析工作，其實它也可以創(chuàng)建XML文檔。例如，考慮如下這個函數(shù)：

from xml.etree.ElementTree import Element

def dict_to_xml(tag, d):
'''
Turn a simple dict of key/value pairs into XML
'''
elem = Element(tag)
for key, val in d.items():
  child = Element(key)
  child.text = str(val)
  elem.append(child)
return elem

下面是一個使用例子：

>>> s = { 'name': 'GOOG', 'shares': 100, 'price':490.1 }
>>> e = dict_to_xml('stock', s)
>>> e
<Element 'stock' at 0x1004b64c8>
>>>

轉(zhuǎn)換結(jié)果是一個 Element 實例。對于I/O操作，使用 xml.etree.ElementTree 中的 tostring() 函數(shù)很容易就能將它轉(zhuǎn)換成一個字節(jié)字符串。例如：

>>> from xml.etree.ElementTree import tostring
>>> tostring(e)
b'<stock><price>490.1</price><shares>100</shares><name>GOOG</name></stock>'
>>>

如果你想給某個元素添加屬性值，可以使用 set() 方法：

>>> e.set('_id','1234')
>>> tostring(e)
b'<stock _id="1234"><price>490.1</price><shares>100</shares><name>GOOG</name>
</stock>'
>>>

如果你還想保持元素的順序，可以考慮構造一個 OrderedDict 來代替一個普通的字典。當創(chuàng)建XML的時候，你被限制只能構造字符串類型的值。例如：

def dict_to_xml_str(tag, d):
  '''
  Turn a simple dict of key/value pairs into XML
  '''
  parts = ['<{}>'.format(tag)]
  for key, val in d.items():
    parts.append('<{0}>{1}</{0}>'.format(key,val))
  parts.append('</{}>'.format(tag))
  return ''.join(parts)

問題是如果你手動的去構造的時候可能會碰到一些麻煩。例如，當字典的值中包含一些特殊字符的時候會怎樣呢？

>>> d = { 'name' : '<spam>' }

>>> # String creation
>>> dict_to_xml_str('item',d)
'<item><name><spam></name></item>'

>>> # Proper XML creation
>>> e = dict_to_xml('item',d)
>>> tostring(e)
b'<item><name>&lt;spam&gt;</name></item>'
>>>

注意到程序的后面那個例子中，字符 ‘<' 和 ‘>' 被替換成了 < 和 >

下面僅供參考，如果你需要手動去轉(zhuǎn)換這些字符，可以使用 xml.sax.saxutils 中的 escape() 和 unescape() 函數(shù)。例如：

>>> from xml.sax.saxutils import escape, unescape
>>> escape('<spam>')
'&lt;spam&gt;'
>>> unescape(_)
'<spam>'
>>>

除了能創(chuàng)建正確的輸出外，還有另外一個原因推薦你創(chuàng)建 Element 實例而不是字符串，那就是使用字符串組合構造一個更大的文檔并不是那么容易。而 Element 實例可以不用考慮解析XML文本的情況下通過多種方式被處理。也就是說，你可以在一個高級數(shù)據(jù)結(jié)構上完成你所有的操作，并在最后以字符串的形式將其輸出。

利用命名空間解析XML文檔
如果你解析這個文檔并執(zhí)行普通的查詢，你會發(fā)現(xiàn)這個并不是那么容易，因為所有步驟都變得相當?shù)姆爆崱?/p>

>>> # Some queries that work
>>> doc.findtext('author')
'David Beazley'
>>> doc.find('content')
<Element 'content' at 0x100776ec0>
>>> # A query involving a namespace (doesn't work)
>>> doc.find('content/html')
>>> # Works if fully qualified
>>> doc.find('content/{http://www.w3.org/1999/xhtml}html')
<Element '{http://www.w3.org/1999/xhtml}html' at 0x1007767e0>
>>> # Doesn't work
>>> doc.findtext('content/{http://www.w3.org/1999/xhtml}html/head/title')
>>> # Fully qualified
>>> doc.findtext('content/{http://www.w3.org/1999/xhtml}html/'
... '{http://www.w3.org/1999/xhtml}head/{http://www.w3.org/1999/xhtml}title')
'Hello World'
>>>

你可以通過將命名空間處理邏輯包裝為一個工具類來簡化這個過程：

class XMLNamespaces:
  def __init__(self, **kwargs):
    self.namespaces = {}
    for name, uri in kwargs.items():
      self.register(name, uri)
  def register(self, name, uri):
    self.namespaces[name] = '{'+uri+'}'
  def __call__(self, path):
    return path.format_map(self.namespaces)

通過下面的方式使用這個類：

>>> ns = XMLNamespaces(html='http://www.w3.org/1999/xhtml')
>>> doc.find(ns('content/{html}html'))
<Element '{http://www.w3.org/1999/xhtml}html' at 0x1007767e0>
>>> doc.findtext(ns('content/{html}html/{html}head/{html}title'))
'Hello World'
>>>

討論
解析含有命名空間的XML文檔會比較繁瑣。上面的 XMLNamespaces 僅僅是允許你使用縮略名代替完整的URI將其變得稍微簡潔一點。

很不幸的是，在基本的 ElementTree 解析中沒有任何途徑獲取命名空間的信息。但是，如果你使用 iterparse() 函數(shù)的話就可以獲取更多關于命名空間處理范圍的信息。例如：

>>> from xml.etree.ElementTree import iterparse
>>> for evt, elem in iterparse('ns2.xml', ('end', 'start-ns', 'end-ns')):
... print(evt, elem)
...
end <Element 'author' at 0x10110de10>
start-ns ('', 'http://www.w3.org/1999/xhtml')
end <Element '{http://www.w3.org/1999/xhtml}title' at 0x1011131b0>
end <Element '{http://www.w3.org/1999/xhtml}head' at 0x1011130a8>
end <Element '{http://www.w3.org/1999/xhtml}h1' at 0x101113310>
end <Element '{http://www.w3.org/1999/xhtml}body' at 0x101113260>
end <Element '{http://www.w3.org/1999/xhtml}html' at 0x10110df70>
end-ns None
end <Element 'content' at 0x10110de68>
end <Element 'top' at 0x10110dd60>
>>> elem # This is the topmost element
<Element 'top' at 0x10110dd60>
>>>

最后一點，如果你要處理的XML文本除了要使用到其他高級XML特性外，還要使用到命名空間，建議你最好是使用 lxml 函數(shù)庫來代替 ElementTree 。例如，lxml 對利用DTD驗證文檔、更好的XPath支持和一些其他高級XML特性等都提供了更好的支持。這一小節(jié)其實只是教你如何讓XML解析稍微簡單一點。

您可能感興趣的文章: