使用Python处理XML格式数据的方法介绍

这里的操作是基于Python3平台。

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()