江苏龙网

  1. 首页 > 生活 > >

怎样用 python 解析三层结构 XML

lmxl/beautifulsoup 以及其它各种xml解析库/包
■网友
4/11更新：突然发现可以上传图片了，传几张图片，然后把代码的语言说明清楚了，好看一点。
最近正在写这个方面的东西，算是自己造轮子玩，随便说几句，说的不对请轻喷。
Python开箱既用的特性为我们提供了丰富的库来解析XML文档，不需要第三方库，标准库就有很多，我们这里用xml库进行解析。
通过如下的语句调用xml库:
import xml.etree.ElementTree as ETimport json#通过json库将解析之后的字典dump成为JSON在这里我将题主的问题复杂化一点，要求解析一个XML文档，并按照一定的格式返回相应的JSON数据（相信做过微信公众号开发的同学一定知道为什么会有这样的需求）。
我有如下的思路：
首先，解析过后的XML文档可以看作一个树，不过是多叉的，而且层数不一定。于是，我这里采用了深度优先的方式来对解析过的XML树进行遍历。遍历有两种方式，递归和循环，在Python中，因为性能的原因，选择循环可能在解析比较大的文档时有一定优势。解析树的过程可以这样来想：
进行一个循环，从根节点向树的叶子节点进发，当发现了下一层节点均是叶子节点时，我遍历该节点的子节点列表，对他们的数据进行获取，合并，并删除这些节点。之后，返回上一层节点，将已经合并过的这个节点删除，继续循环。 【怎样用 python 解析三层结构 XML】 那进行这个循环的条件是什么呢？当树的枝干不断地被砍去之后，最终会在一个循环，你的当前节点会回到根节点，而最后一次合并完成之后，根节点的子节点也全部消失，所以循环条件可以为：根节点有子节点。
那么如何记录上一层节点呢？可以用一个列表，来保存当前的子节点的路径，每次的父节点便是该列表的最后一个。
于是文字流程图可以这样设计：
\t\twhile循环条件 : 根节点有子节点\t\t当前结点 -\u0026gt; 获取当前结点子节点列表 -\u0026gt; \t\t遍历当前结点的每一个子节点，查询遍历节点是否有子节点 -\u0026gt;\t\t有 : 记录当前节点下标，遍历节点作为当前节点，退出循环;\t\t无 : 则该节点的所有子节点均为叶子节点 -\u0026gt; 合并当前结点的所有子节点到当前节点 -\u0026gt;\t\t\t 父节点取出一个作为当前节点\t\t继续循环
我画几张图说一下这个过程。
怎样用 python 解析三层结构 XML

这个是最初的那个树（尽管实际情况比个复杂，但是对算法本身的适用性没有影响）
首先从根结点A出发，假如从左手的第一个子节点开始，也就是B。我们对B的子节点遍历（也就是D,E）于是发现D,E并不都没有子节点，也就是说D,E并不都是叶子节点于是我们将B存到以前的记录里，并将当前节点设置为E对E进行（2）的步骤，我们发现E的两个子节点（也就是H,I）都没有子节点，也就是都是叶子节点了于是我们进行第一次合并，合并H,I的数据，并删除H,I两个子节点怎样用 python 解析三层结构 XML

之后我们从历史中取出父节点节点，并设置为当前节点（也就是B）
然后进行了第二次合并：
怎样用 python 解析三层结构 XML

于是当前节点设置为了A，之后进行第三次合并：
怎样用 python 解析三层结构 XML

进行了最后一次合并之后，只剩下了一个孤零零的A：
怎样用 python 解析三层结构 XML


推荐阅读


上一篇：做了多年的iOS开发leader，想转型产品经理，该咋做

下一篇：比价插件是咋记录历史出价的