python处理.xml文件工具包之XML2Dict

xml文件是可扩展标记语言，在保存数据时，经常和.xml文件打交道，它语法简明、格式友好。具体的信息可以到百度百科科普下，下面主要介绍下我用的处理.xml文件的工具包XML2Dict

工具包下载：https://files.cnblogs.com/kaituorensheng/%E5%A4%84%E7%90%86xml%E6%96%87%E4%BB%B6.zip

下载后把文件解压，和自己的.py文件放在一起，里边有两个文件：xml2dict.py, object_dict.py，在自己.py文件的开头加上

from xml2dict import XML2Dict
xml = XML2Dict()
r = xml.parse("待处理文件名.xml")

示例一：

待处理文件：

分析下这个文件的格式：

最外一层被<kbpentlink></kbpentlink>包围

往里一层是：<query></query>,query中包括<id><name>和<docid>两个属性

处理这个文件（取名:1.xml）代码：

from xml2dict import XML2Dict
xml = XML2Dict()
r = xml.parse('1.xml')
for q in r.kbpentlink.query:
    print q
    print q.id
    print q.name
    print q.docid
    print '-----------------'

执行结果：

可以看到.xml文件被解析成字典的形式。使用给工具包的要点就是：分清层次，一点一点的往里面递进。

下边来解析一个比较难的示例：

示例二：

待处理文件：

分析：

第一层：<entailment_corpus></entailment_corpus>

第二层：<TOPIC></TOPIC>

第三层：<H></H>，里面有属性<h_id><H_sentence><text>

第四层：（<text>属性有的前提下），里面属性<doc_id><s_id><evaluation><value>

这里的关键就是第三层：因为有的有一个<text>，有的则有多个，还有的没有：一个是得到的是个字典，多个时是个列表

解析代码如下：

from xml2dict import XML2Dict
import types
xml = XML2Dict()
r = xml.parse('2.xml')
for topic in r.entailment_corpus.TOPIC:
    print 'topic.t_id:' + topic.t_id
    for h in topic.H:
        print 'H.h_id' + h.h_id
        print 'H.H_sentence' + h.H_sentence
        if h.has_key('text'):
            if type(h.text) == types.ListType:       //多个时为列表类型
                print 'hello list'
                print h.text
                for text in h.text:
                    print 'h.doc_id' + text.doc_id  //单个时

            else:
                print 'hello dic'
                print h.text            //单个时h.text就可以输出了，不要for了，否则错误
 
 
        else:
            print "no text attribute"