使用Python处理XML

亦凉 2022-05-15 07:34 243阅读 0赞

很久没有写博文了，也很久没有碰Python了。刚好工作需要，小小动手了下。

因为是在新机器上，所以就直接装了Python 3，反正以后也是要适应，不如早点。

在使用Python处理XML的问题上，首先遇到的是编码问题。

Python并不支持gb2312，所以面对encoding="gb2312"的XML文件会出现错误。Python读取的文件本身的编码也可能导致抛出异常，这种情况下打开文件的时候就需要指定编码。此外就是XML中节点所包含的中文。

我这里呢，处理就比较简单了，只需要修改XML的encoding头部。

\#!/usr/bin/env python import os, sys import re def replaceXmlEncoding(filepath, oldEncoding='gb2312', newEncoding='utf-8'): f = open(filepath, mode='r') content = f.read() content = re.sub(oldEncoding, newEncoding, content) f.close() f = open(filepath, mode='w') f.write(content) f.close() if \_\_name\_\_ == "\_\_main\_\_": replaceXmlEncoding('./ActivateAccount.xml')  
接着是使用xml.etree.ElementTree来操作XML文件。

在一个类里面定义\_\_call\_\_函数可以使得该类可调用，比如下面代码的最后几行，在\_\_main\_\_函数中。这也很突出地体现了**在Python的世界里，一切都是对象**，包括对象本身 ：）

一直觉得\_\_main\_\_函数用来测试真是蛮好用的。

\#!/usr/bin/env python import os, re import xml.etree.ElementTree as etree Locale\_Path = "./locale.txt" class xmlExtractor(object): def \_\_init\_\_(self): pass def \_\_call\_\_(self, filepath): retDict = \{\} f = open(filepath, 'r') Line = len(open(filepath, 'r').readlines()) retDict\['Line'\] = Line tree = etree.parse(f) root = tree.find("ResItem") Id = root.get("ID") retDict\['Title'\] = Id resItemCnt = len(list(root.findall("ResItem"))) + 1 retDict\['ResItemCount'\] = resItemCnt retDict\['ChineseTip'\] = 'None' for child in root: attrDict = child.attrib keyword = "Name" if(keyword in attrDict.keys() and attrDict\['Name'\] == "Caption"): if len(child.attrib\['Value'\]) > 1: if child.attrib\['Value'\]\[0\] == '~': title = child.attrib\['Value'\]\[1:\] else: title = child.attrib\['Value'\]\[0:\] \#print(title) chs = open(Locale\_Path).read() pattern = '<String id="' + title + '">\[^>\]+>' m = re.search(pattern, chs) if m != None: realTitle = re.sub('<\[^>\]+>', '', m.group(0)) retDict\['ChineseTip'\] = realTitle f.close() return retDict if \_\_name\_\_ == "\_\_main\_\_": fo = xmlExtractor() d = fo('./ActivateAccount.xml') print(d)  
最后，就是入口文件，导入上面两个文件，使用xml.dom和os.listdir来递归处理XML文件，并生成一个结果集。

一直觉得Python的[UnboundLocalError][]错误挺有意思的，不知道是不是符号表的覆盖问题。

\#!/usr/bin/env python from xmlExtractor import \* from replaceXmlEncoding import \* from xml.dom import minidom,Node doc = minidom.Document() extractor = xmlExtractor() totalLines = 0 totalResItemCnt = 0 totalXmlFileCnt = 0 totalErrorCnt = 0 errorFileList = \[\] xmlRoot = doc.createElement("XmlResourceFile") doc.appendChild(xmlRoot) def myWalkDir(level, path): global doc, extractor, totalLines, totalResItemCnt, totalXmlFileCnt global totalErrorCnt, errorFileList global xmlRoot for i in os.listdir(path): if i\[-3:\] == 'xml': totalXmlFileCnt += 1 try: \#先把xml的encoding由gb2312转换为utf-8 replaceXmlEncoding(path + '\\\\' + i) \#再提取xml文档中需要的信息 info = extractor(path + '\\\\' + i) \#在上述两行代码没有出现异常的基础上再创建节点 \#print(info) \#print(type(i)) xmlNode = doc.createElement("XmlFile") xmlRoot.appendChild(xmlNode) xmlName = doc.createElement("Filename") xmlName.setAttribute('Value', i) \#xmlName.appendChild(doc.createTextNode(i)) xmlNode.appendChild(xmlName) filePath = doc.createElement("Filepath") filePath.setAttribute('Value', path\[34:\]) \#filePath.appendChild(doc.createTextNode(path\[1:\])) xmlNode.appendChild(filePath) titleNode = doc.createElement("Title") titleNode.setAttribute('Value', str(info\['Title'\])) \#titleNode.appendChild(doc.createTextNode(str(info\['Title'\]))) xmlNode.appendChild(titleNode) chsNode = doc.createElement("ChineseTip") chsNode.setAttribute('Value', str(info\['ChineseTip'\])) \#chsNode.appendChild(doc.createTextNode(str(info\['Chinese'\]))) xmlNode.appendChild(chsNode) resItemNode = doc.createElement("ResItemCount") resItemNode.setAttribute('Value', str(info\['ResItemCount'\])) \#resItemNode.appendChild(doc.createTextNode(str(info\['ResItemCount'\]))) xmlNode.appendChild(resItemNode) lineNode = doc.createElement("LineCount") lineNode.setAttribute('Value', str(info\['Line'\])) \#lineNode.appendChild(doc.createTextNode(str(info\['Line'\]))) xmlNode.appendChild(lineNode) descNode = doc.createElement("Description") descNode.setAttribute('Value', '') \#descNode.appendChild(doc.createTextNode('')) xmlNode.appendChild(descNode) except Exception as errorDetail: totalErrorCnt += 1 errorFileList.append(path + '\\\\' + i) print(path + '\\\\' + i, errorDetail) if os.path.isdir(path + '\\\\' + i): myWalkDir(level+1, path + '\\\\' + i) if \_\_name\_\_ == "\_\_main\_\_": path = os.getcwd() + '\\\\themes' myWalkDir(0, path) print(totalXmlFileCnt, totalErrorCnt) \#print(doc.toprettyxml(indent = " ")) resultXml = open("./xmlResourceList.xml", "w") resultXml.write(doc.toprettyxml(indent = " ")) resultXml.close()

[UnboundLocalError]: http://docs.python.org/faq/programming.html#why-am-i-getting-an-unboundlocalerror-when-the-variable-has-a-value