8-格式化文件存储-XML

结构化文件存储

• xml, json,
• 为了解决不同设备之间信息交换
• xml，
• json

XML文件

• 参考资料

  • https://docs.python.org/3/library/xml.etree.elementtree.html
  • http://www.runoob.com/python/python-xml.html
  • https://blog.csdn.net/seetheworld518/article/details/49535285

• XML(eXtensibleMarkupLanguage)， 可扩展标记语言

  • 标记语言： 语言中使用尖括号括起来的文本字符串标记

  • 可扩展：用户可以自己定义需要的标记

  • 例如：

      <Teacher> 
          自定义标记Teacher
          在两个标记之间任何内容都应该跟Teacher相关
      </Teacher>
    

  • 是w3c组织制定的一个标准

  • XML描述的是数据本身，即数据的结构和语义

  • HTML侧重于如何显示web页面中的数据

• XML文档的构成

  • 处理指令(可以认为一个文件内只有一个处理指令)
    • 最多只有一行
    • 且必须在第一行
    • 内容是与xml本身处理起相关的一些声明或者指令
    • 以xml关键字开头
    • 一般用于声明XML的版本和采用的编码
      • version属性是必须的
      • encoding属性用来支出xml解释器使用的编码
  • 根元素(一个文件内只有一个根元素)
    • 在整个xml文件中，可以把他看作一个树形结构
    • 根元素有且只能由一个
  • 子元素
  • 属性
  • 内容
    • 表明标签所存储的信息
  • 注释

    • 起说明作用的信息

    • 注释不能嵌套在标签里

    • 只有在注释的开始和结尾使用双短横线

    • 三短横线只能出现在注释的开头而不能用在结尾

        <name> <!-- wangdapeng -->   </name> #可以
        <name <!-- wangdapeng -->>   </name> #不可以，注释在标签内
        
        <!--my-name-by-wang--> #可以，注释内容可以有一个短横线
        <!--my--name--by--wang-->#不可以，双短横线只能出现在开头或结尾
        
        <!---my-name--> #可以， 三短横线只能出现在开头
        <!---my-name---> #不可以， 三短横线只能出现在开头        
      

• 保留字符的处理

  • XML中使用的符号可能跟实际符号相冲突，典型的就是左右尖括号

  • 使用实体引用(EntityReference)来表示保留字符

       <score> score>80 </score> #有错误，xml中不能出现>
       <score> score&gt;80</score> #使用实体引用
    

  • 把含有保留字符的部分放在CDATA块内部，CDATA块把内部信息视为不需要转义

        <![CDATA[
           select name,age
           from Student
           where score>80
           ]]>
    

  • 常用的需要转移的保留字符和对应实体引用

      - &:&
      - <:&lt;
      - >:&gt;
      - ':&apos;
      - ":&quot;
      - 一共五个， 每个实体引用都以&开头并且以分号结尾
    

• XML标签的命名规则

  • Pascal命名法
  • 用单词表示，第一个字母大写
  • 大小写严格区分
  • 配对的标签必须一直

• 命名空间

  • 为了防止命名冲突

        <Student>
                  <Name>LiuYing</Name>
                  <Age>23</Age>
          </Student>
          <Room>
              <Name>2014</Name>
              <Location>1-23-1</Location>
          </Room>
    

  • 如果归并上述两个内容信息，会产生冲突

        <Schooler>
                  <Name>LiuYing</Name>
                  <Age>23</Age>
              <Name>2014</Name>
              <Location>1-23-1</Location>
          </Schooler>
    

  • 为了避免冲突，需要给可能冲突元素添加命名空间

  • xmlns: xml name space 的缩写

        <Schooler xmlns:student="http://my_student" xmlns:room="http://my_room">
                  <student:Name>LiuYing</student:Name>
                  <Age>23</Age>
              <romm:Name>2014</room:Name>
              <Location>1-23-1</Location>
          </Schooler>
    

XML访问

读取

• XML读取分两个主要技术,SAX， DOM

• SAX（Simple API for XML):

  • 基于事件驱动的API
  • 利用SAX解析文档设计到解析器和事件处理两部分
  • 特点:
    • 快
    • 流式读取

• DOM

  • 是W3C规定的XML编程接口
  • 一个XML文件再缓存中以树形结构保存，读取
  • 用途
    • 定位浏览XML任何一个节点信息
    • 添加删除相应内容
  • minidom
    • minidom.parse(filename):加载读取的xml文件, filename也可以是xml代码
    • doc.documentElement:获取xml文档对象，一个xml文件只有一个对于的文档对象
    • node.getAttribute(attr_name):获取xml节点的属性值
    • node.getElementByTagName(tage_name)：得到一个节点对象集合
    • node.childNodes:得到所有孩子节点
    • node.childNodes[index].nodeValue:获取单个节点值
    • node.firstNode:得到第一个节点，等价于node.childNodes[0]
    • node.attributes[tage_name]
    • 案例v01
  • etree
    • 以树形结构来表示xml
    • root.getiterator:得到相应的可迭代的node集合
    • root.iter
    • find(node_name):查找指定node_name的节点,返回一个node
    • root.findall(node_name):返回多个node_name的节点
    • node.tag: node对应的tagename
    • node.text:node的文本值
    • node.attrib： 是node的属性的字典类型的内容
    • 案例v02

• xml文件写入

  • 更改
    • ele.set:修改属性
    • ele.append: 添加子元素
    • ele.remove:删除元素
    • 案例 v03
  • 生成创建
    • SubElement, 案例v04
    • minidom 写入， 案例v05
    • etree创建， 案例v06

<?xml version="1.0" encoding="utf-8" ?>


<School type="online" loc="beijing">
    <Student gender="male">

        <score> math>80 </score>
        <name>
            haha
        </name>

        <age>18</age>
    </Student>

    <Student>
        <name>haha</name>
        <age>18</age>
    </Student>

    <Student>
        <name>haha</name>
        <age>18</age>
    </Student>
</School>

student.xml

<?xml version="1.0" encoding="utf-8" ?>
<School>
   <Teacher desc="PythonTeacher" score="good">
       <Name>LiuDana</Name>
       <Age_1 Detail="Age for year 2010">18</Age_1>
       <Mobile>13260446055</Mobile>
   </Teacher>
    <Student>
        <Name Other="他是班长">ZhangSan</Name>
        <Age Detail="The yongest boy in class">14</Age>
    </Student>
    <Student>
        <Name>LiSi</Name>
        <Age>19</Age>
        <Mobile>15578875040</Mobile>
    </Student>
   <!-- 这是北京图灵学院的一个例子而已 -->

</School>

案例v01

import xml.dom.minidom
# 负责解析xml文件
from xml.dom.minidom import parse

# 使用minidom打开xml文件
DOMTree = xml.dom.minidom.parse("student.xml")
#得到文档对象
doc = DOMTree.documentElement

# 显示子元素
for ele in doc.childNodes:
    if ele.nodeName == "Teacher":
        print("-------Node:{0}-----".format(ele.nodeName))
        childs = ele.childNodes
        for child in childs:
            if child.nodeName == "Name":
                # data是文本节点的一个属性，表示他的值
                print("Name: {0}".format(child.childNodes[0].data))
            if child.nodeName == "Mobile":
                # data是文本节点的一个属性，表示他的值
                print("Mobile: {0}".format(child.childNodes[0].data))
            if child.nodeName == "Age":
                # data是文本节点的一个属性，表示他的值
                print("Age: {0}".format(child.childNodes[0].data))
                if child.hasAttribute("detail"):
                    print("Age-detail: {0}".format(child.getAttribute("detail")))

案例v02

import xml.etree.ElementTree

root = xml.etree.ElementTree.parse("student.xml")
print("利用getiterator访问：")
nodes = root.getiterator()
for node in nodes:
    print("{0}--{1}".format(node.tag, node.text))



print("利用find和findall方法：")
ele_teacher = root.find("Teacher")
print(type(ele_teacher))
print("{0}--{1}".format(ele_teacher.tag, ele_teacher.text))


ele_stus = root.findall("Student")
print(type(ele_stus))
for ele in ele_stus:
    print("{0}--{1}".format(ele.tag, ele.text))
    for sub in ele.getiterator():
        if sub.tag =="Name":
            if "Other" in sub.attrib.keys():
                print(sub.attrib['Other'])

案例v03

import xml.etree.ElementTree as et


tree = et.parse(r'to_edit.xml')

root = tree.getroot()

for e in root.iter('Name'):
    print(e.text)


for stu in root.iter('Student'):
    name = stu.find('Name')

    if name != None:
        name.set( 'test', name.text * 2)

stu = root.find('Student')

#生成一个新的 元素
e = et.Element('ADDer')
e.attrib = {'a':'b'}
e.text = '我加的'

stu.append(e)

# 一定要把修改后的内容写回文件，否则修改无效
tree.write('to_edit.xml')

案例v04

import xml.etree.ElementTree as et

stu = et.Element("Student1")

name = et.SubElement(stu, 'Name')
name.attrib = {'lang','en'}
name.text = 'maozedong'


age = et.SubElement(stu, 'Age')
age.text = 18

et.dump(stu)

案例v05

import xml.dom.minidom

#在内存中创建一个空的文档
doc = xml.dom.minidom.Document()
#创建一个根节点Managers对象
root = doc.createElement('Managers')
#设置根节点的属性
root.setAttribute('company', 'xx科技')
root.setAttribute('address', '科技软件园')
#将根节点添加到文档对象中
doc.appendChild(root)

managerList = [{'name' : 'joy',  'age' : 27, 'sex' : '女'},
               {'name' : 'tom', 'age' : 30, 'sex' : '男'},
               {'name' : 'ruby', 'age' : 29, 'sex' : '女'}
]

for i in managerList :
  nodeManager = doc.createElement('Manager')
  nodeName = doc.createElement('name')
  #给叶子节点name设置一个文本节点，用于显示文本内容
  nodeName.appendChild(doc.createTextNode(str(i['name'])))

  nodeAge = doc.createElement("age")
  nodeAge.appendChild(doc.createTextNode(str(i["age"])))

  nodeSex = doc.createElement("sex")
  nodeSex.appendChild(doc.createTextNode(str(i["sex"])))

  #将各叶子节点添加到父节点Manager中，
  #最后将Manager添加到根节点Managers中
  nodeManager.appendChild(nodeName)
  nodeManager.appendChild(nodeAge)
  nodeManager.appendChild(nodeSex)
  root.appendChild(nodeManager)
#开始写xml文档
fp = open('Manager.xml', 'w')
doc.writexml(fp, indent='	', addindent='	', newl='
', encoding="utf-8")

案例v06

import xml.etree.ElementTree as et

#在内存中创建一个空的文档


etree = et.ElementTree()

e = et.Element('Student')

etree._setroot(e)

e_name = et.SubElement(e, 'Name')
e_name.text = "hahahah"


etree.write('v06.xml')