[Python学习]使用minidom来处理XML的示例 (二)–XML的写入

下面我来演示一下如何从无到有生成象catalog.xml一样的XML文件。

一、生成dom对象

>>> import xml.dom.minidom

>>> impl = xml.dom.minidom.getDOMImplementation()

>>> dom = impl.createDocument(None, ‘catalog’, None)

这样就生成了一个空的dom对象。其中catalog为文档元素名，即根元素名。

二、显示生成的XML内容

每一个dom结点对象（包括dom对象本身）都有输出XML内容的方法，如：toxml(), toprettyxml()

toxml()输出紧凑格式的XML文本，如：

<catalog><item>test</item><item>test</item></catalog>

toprettyxml()输出美化后的XML文本，如：

<catalog>

    <item>

        test

    </item>

    <item>

        test

    </item>

</catalog>

可以看出，它是将每个结点后面都加入了回车符，并且自动处理缩近。但对于每一个元素，如果元素只有文本内容，则我希望元素的tag与文本是在一起 的，如：

<item>test</item>

而不想是分开的格式，但minidom本身是不支持这样的处理。关于如何实现形如：

<catalog>

    <item>test</item>

    <item>test</item>

</catalog>

这样的XML格式，后面我们再说。

三、生成各种结点对象

dom对象拥有各种生成结点的方法，下面列出文本结点，CDATA结点和元素结点的生成过程。

1. 文本结点的生成

>>> text=dom.createTextNode(’test’)

test

要注意的是，在生成结点时，minidom并不对文本字符进行检查，象文本中如果出现了’<’,'&’之类的字符，应该转换为相应的 实体符号’&lt;’,'&amp;’才可以，这里没有做这个处理。

2. CDATA结点的生成

>>> data = dom.createCDATASection(’aaaaaa/nbbbbbb’)

>>> data.toxml()

‘<![CDATA[aaaaaa/nbbbbbb]]>’

CDATA是用于包括大块文本，同时可以不用转换’<’,'&’字符的标记，它是用<![CDATA[文本]]>来包括 的。但文本中不可以有”]]>”这样的串存在。生成结点时minidom不作这些检查，只有当你输出时才有可能发现有错。

3. 元素结点的生成

>>> item = dom.createElement(’caption’)

>>> item.toxml()

‘<caption/>’

对于象元素这样的结点，生成的元素结点其实是一个空元素，即不包含任何文本，如果要包含文本或其它的元素，我们需要使用appendChild() 或insertBefore()之类的方法将子结点加就到元素结点中。如将上面生成的text结点加入到caption元素结点中：

>>> item.appendChild(text)

<DOM Text node “test”>

>>> item.toxml()

‘<caption>test</caption>’

使用元素对象的setAttribute()方法可以向元素中加入属性，如：

>>> item.setAttribute(’id’, ‘idvalue’)

>>> item.toxml()

‘<caption id=”idvalue”>test</caption>’

四、生成dom对象树

我们有了dom对象，又知道了如何生成各种结点，包括叶子结点（不包含其它结点的结点，如文本结点）和非叶子结点（包含其它结点的结点，如元素结 点）的生成，然后就需要利用结点对象本身的appendChild()或insertBefore()方法将各个结点根据在树中的位置连起来，串成一棵 树。最后要串到文档结点上，即根结点上。如一个完整的示例为：

>>> import xml.dom.minidom

>>> impl = xml.dom.minidom.getDOMImplementation()

>>> dom = impl.createDocument(None, ‘catalog’, None)

>>> root = dom.documentElement

>>> item = dom.createElement(’item’)

>>> text = dom.createTextNode(’test’)

>>> item.appendChild(text)

<DOM Text node “test”>

>>> root.appendChild(item)

<DOM Element: item at 0xb9cf80>

>>> print root.toxml()

<catalog><item>test</item></catalog>

五、简单生成元素结点的函数

下面是我写的一个小函数，用于简单的生成类似于：

<caption>test</caption>

或形如：

<item><![CDATA[test]]></item>

的元素结点

1       def makeEasyTag(dom, tagname, value, type=’text’):

2           tag = dom.createElement(tagname)

3           if value.find(’]]>’) > -1:

4               type = ‘text’

5           if type == ‘text’:

6               value = value.replace(’&’, ‘&amp;’)

7               value = value.replace(’<’, ‘&lt;’)

8               text = dom.createTextNode(value)

9           elif type == ‘cdata’:

10              text = dom.createCDATASection(value)

11          tag.appendChild(text)

12          return tag

参数说明：

• dom为dom对象
• tagname为要生成元素的名字，如’item’
• value为其文本内容，可以为多行
• type为文本结点的格式，’text’为一般Text结点，’cdata’为CDATA结点

函数处理说明：

• 首先创建元素结点
• 查找文本内容是否有’]]>’，如果找到，则此文本结点只可以是Text结点
• 如果结点类型为’text’，则对文本内容中的’<’替换为’&lt;’，’&’替换为’&amp;’，再生成文 本结点
• 如果结点类型为’cdata’，则生成CDATA结点
• 将生成的文本结点追加到元素结点上

因此这个小函数可以自动地处理字符转化及避免CDATA结点中出现’]]>’串。

上面生成’item’结点的语句可以改为：

>>> item = makeEasyTag(dom, ‘item’, ‘test’)

>>> item.toxml()

‘<item>test</item>’

六、写入到XML文件中

dom对象树已经生成好了，我们可以调用dom的writexml()方法来将内容写入文件中。writexml()方法语法格式为：

writexml(writer, indent, addindent, newl, encoding)

• writer是文件对象
• indent是每个tag前填充的字符，如：’  ‘，则表示每个tag前有两个空格
• addindent是每个子结点的缩近字符
• newl是每个tag后填充的字符，如：’/n’，则表示每个tag后面有一个回车
• encoding是生成的XML信息头中的encoding属性值，在输出时minidom并不真正进行编码的处理，如果你保存的文本内容中有汉 字，则需要自已进行编码转换。

writexml方法是除了writer参数必须要有外，其余可以省略。下面给出一个文本内容有汉字的示例：

1       >>> import xml.dom.minidom

2       >>> impl = xml.dom.minidom.getDOMImplementation()

3       >>> dom = impl.createDocument(None, ‘catalog’, None)

4       >>> root = dom.documentElement

5       >>> text = unicode(’汉字示例’, ‘cp936′)

6       >>> item = makeEasyTag(dom, ‘item’, text)

7       >>> root.appendChild(item)

8       <DOM Element: item at 0xb9ceb8>

9       >>> root.toxml()

10      u’<catalog><item>/u6c49/u5b57/u793a/u4f8b</item></catalog>’

11      >>> f=file(’d:/test.xml’, ‘w’)

12      >>> import codecs

13      >>> writer = codecs.lookup(’utf-8′)[3](f)

14      >>> dom.writexml(writer, encoding=’utf-8′)

15      >>> writer.close()

5行 因为XML处理时内部使用Unicode编码，因此象汉字首先要转成Unicode，如果你不做这一步minicode并不检查，并且保存时可能不会出 错。但读取时可能会出错。

12-13行 生成UTF-8编码的写入流对象，这样在保存时会自动将Unicode转换成UTF-8编码。

这样写XML文件就完成了。