在Python中處理XML的真正簡單的方法是什麼？

Question

爲了彌補recently asked question，我開始懷疑是否有一種非常簡單的方式來處理Python中的XML文檔。一種pythonic方式，如果你願意的話。

也許我可以解釋的最好的，如果我給例子：假設如下 - 我認爲這是的XML是如何在Web服務中使用（MIS）一個很好的例子 - 在響應我從http請求得到http://www.google.com/ig/api?weather=94043

<xml_api_reply version="1"> 
    <weather module_id="0" tab_id="0" mobile_row="0" mobile_zipped="1" row="0" section="0" > 
    <forecast_information> 
     <city data="Mountain View, CA"/> 
     <postal_code data="94043"/> 
     <latitude_e6 data=""/> 
     <longitude_e6 data=""/> 
     <forecast_date data="2010-06-23"/> 
     <current_date_time data="2010-06-24 00:02:54 +0000"/> 
     <unit_system data="US"/> 
    </forecast_information> 
    <current_conditions> 
     <condition data="Sunny"/> 
     <temp_f data="68"/> 
     <temp_c data="20"/> 
     <humidity data="Humidity: 61%"/> 
     <icon data="/ig/images/weather/sunny.gif"/> 
     <wind_condition data="Wind: NW at 19 mph"/> 
    </current_conditions> 
    ... 
    <forecast_conditions> 
     <day_of_week data="Sat"/> 
     <low data="59"/> 
     <high data="75"/> 
     <icon data="/ig/images/weather/partly_cloudy.gif"/> 
     <condition data="Partly Cloudy"/> 
    </forecast_conditions> 
    </weather> 
</xml_api_reply> 

裝載後/解析該文件，我想能夠訪問的信息那樣簡單說

>>> xml['xml_api_reply']['weather']['forecast_information']['city'].data 
'Mountain View, CA' 

或

>>> xml.xml_api_reply.weather.current_conditions.temp_f['data'] 
'68' 

從我目前看到的，似乎ElementTree是最接近我的夢想。但它並不存在，在使用XML時仍然有一些模糊之處。 OTOH，我的想法並不那麼複雜 - 可能只是一個簡單的解析器 - 而且它可以減少處理XML的煩惱。有這樣的魔法嗎？ （如果不是 - 爲什麼？）

PS。注意我已經嘗試過BeautifulSoup，雖然我喜歡它的方法，但它有空的<element/> s存在實際問題 - 請參閱下面的示例註釋。

Answer 1

你想要一個薄薄的貼面？這很容易做飯。嘗試周圍的ElementTree以下瑣碎的包裝作爲開始：

# geetree.py 
import xml.etree.ElementTree as ET 

class GeeElem(object): 
    """Wrapper around an ElementTree element. a['foo'] gets the 
     attribute foo, a.foo gets the first subelement foo.""" 
    def __init__(self, elem): 
     self.etElem = elem 

    def __getitem__(self, name): 
     res = self._getattr(name) 
     if res is None: 
      raise AttributeError, "No attribute named '%s'" % name 
     return res 

    def __getattr__(self, name): 
     res = self._getelem(name) 
     if res is None: 
      raise IndexError, "No element named '%s'" % name 
     return res 

    def _getelem(self, name): 
     res = self.etElem.find(name) 
     if res is None: 
      return None 
     return GeeElem(res) 

    def _getattr(self, name): 
     return self.etElem.get(name) 

class GeeTree(object): 
    "Wrapper around an ElementTree." 
    def __init__(self, fname): 
     self.doc = ET.parse(fname) 

    def __getattr__(self, name): 
     if self.doc.getroot().tag != name: 
      raise IndexError, "No element named '%s'" % name 
     return GeeElem(self.doc.getroot()) 

    def getroot(self): 
     return self.doc.getroot() 

你調用它這樣：

>>> import geetree 
>>> t = geetree.GeeTree('foo.xml') 
>>> t.xml_api_reply.weather.forecast_information.city['data'] 
'Mountain View, CA' 
>>> t.xml_api_reply.weather.current_conditions.temp_f['data'] 
'68' 

Answer 2

如果你不介意使用第三方庫，然後BeautifulSoup會做幾乎正是你問什麼：

>>> from BeautifulSoup import BeautifulStoneSoup 
>>> soup = BeautifulStoneSoup('''<snip>''') 
>>> soup.xml_api_reply.weather.current_conditions.temp_f['data'] 
u'68' 

Answer 3

如果您還沒有準備好，我會建議尋找到DOM API for Python。 DOM是一個相當廣泛使用的XML解釋系統，所以它應該非常強大。

這可能比您描述的要複雜一點，但是它來自於嘗試保留XML標記中隱含的所有信息，而不是來自糟糕的設計。

Answer 4

看看Amara 2，特別是this tutorial的Bindery部分。

它的工作方式與您所描述的方式非常相似。

另一方面。 ElementTree的find*()方法可以爲您提供90％的支持，並與Python打包在一起。

Answer 5

我相信內置的python xml模塊可以做到這一點。請看 「xml.parsers.expat」

xml.parsers.expat

Answer 6

我強烈建議lxml.etree和XPath解析和分析數據。這是一個完整的例子。我截斷了xml以使它更易於閱讀。

import lxml.etree 

s = """<?xml version="1.0" encoding="utf-8"?> 
<xml_api_reply version="1"> 
    <weather module_id="0" tab_id="0" mobile_row="0" mobile_zipped="1" row="0" section="0" > 
    <forecast_information> 
     <city data="Mountain View, CA"/> <forecast_date data="2010-06-23"/> 
    </forecast_information> 
    <forecast_conditions> 
     <day_of_week data="Sat"/> 
     <low data="59"/> 
     <high data="75"/> 
     <icon data="/ig/images/weather/partly_cloudy.gif"/> 
     <condition data="Partly Cloudy"/> 
    </forecast_conditions> 
    </weather> 
</xml_api_reply>""" 

tree = lxml.etree.fromstring(s) 
for weather in tree.xpath('/xml_api_reply/weather'): 
    print weather.find('forecast_information/city/@data')[0] 
    print weather.find('forecast_information/forecast_date/@data')[0] 
    print weather.find('forecast_conditions/low/@data')[0] 
    print weather.find('forecast_conditions/high/@data')[0] 

Answer 7

LXML已經提到。你也可以檢查出lxml.objectify進行一些非常簡單的操作。

>>> from lxml import objectify 
>>> tree = objectify.fromstring(your_xml) 
>>> tree.weather.attrib["module_id"] 
'0' 
>>> tree.weather.forecast_information.city.attrib["data"] 
'Mountain View, CA' 
>>> tree.weather.forecast_information.postal_code.attrib["data"] 
'94043' 

Answer 8

皁液項目提供了一個Web服務客戶端庫，幾乎完全按照你描述的作品 - 它提供一個WSDL，然後使用工廠方法來創建自定義類型（太處理反應！）。

Answer 9

我發現了下面的python-simplexml模塊，這個模塊試圖讓作者從PHP中獲得一些接近SimpleXML的東西，確實是small wrapper around ElementTree。它不到100行，但似乎做要求：

>>> import SimpleXml 
>>> x = SimpleXml.parse(urllib.urlopen('http://www.google.com/ig/api?weather=94043')) 
>>> print x.weather.current_conditions.temp_f['data'] 
58