Como criar e ler um XML com o componente DOM
em Python?
E como ler um XML com o componente cElementTree
do Python?
Como criar e ler um XML com o componente DOM
em Python?
E como ler um XML com o componente cElementTree
do Python?
O Python tem duas maneiras built-in de lidar com arquivos XML: o xml.etree.ElementTree
e o xml.dom.minidom
. Além disso, existem bibliotecas externas que podem simplificar bastante o trabalho de lidar com XML, como o BeautifulSoup, o pyquery
e o xmltodict
(além de implementações nativas com API compatível, como o lxml
). Ou seja, opção não falta, a questão é saber qual delas se encaixa melhor nas suas necessidades.
Segundo a documentação, o ElementTree
é "recomendado para quem não tem experiência prévia trabalhando com o DOM". Ele representa um arquivo XML e seus elementos em objetos Python com uma API própria, e permite modificá-los e convertê-los de volta ao formato XML. Também dá suporte a um subconjunto de XPath - que você pode usar nas consultas.
Nota: O cElementTree
que você mencionou na pergunta é simplesmente uma implementação em C da API ElementTree
(ou seja, após instalado, o uso é igual).
Prós: simples e "pitônico" de usar, suporte a XPath. Contras: nenhum. Exemplo:
>>> import xml.etree.ElementTree as ET
>>> tree = ET.parse('country_data.xml')
>>> root = tree.getroot()
>>> [(x.tag, x.attrib) for x in root] # Lista os elementos filhos: nome e atributos
[('country', {'name':'Liechtenstein'}), (...), (...)]
>>> root[0][8].text # Acessa um sub-elemento por índice, obtém seu texto
'2008'
>>> [x.attrib for x in root.iter('neighbor')] # Lista elementos descendentes: atributos
[{'name': 'Austria', 'direction': 'E'}, {...}, {...}, ...]
>>> atualizar = root.iter['rank'][0]
>>> atualizar.text = "1"
>>> atualizar.set('updated', 'yes')
>>> root.write('output.xml')
>>> a = ET.Element('a')
>>> b = ET.SubElement(a, 'b')
>>> c = ET.SubElement(a, 'c')
>>> d = ET.SubElement(c, 'd')
>>> ET.dump(a)
"<a><b /><c><d /></c></a>"
Implementação mínima do DOM, com API similar a de outras linguagens, como JavaScript. Para quem já tem familiaridade com a manipulação do DOM em JavaScript puro (i.e. sem bibliotecas externas), e quer manipular XML em Python usando um código semelhante.
Prós: API semelhante à do JavaScript. Contras: bastante verboso. Exemplo: Ver a resposta do @utluiz.
Binding "pitônico" para as bibliotecas C libxml2
e libxslt
. Eficiente e completo (feature rich), e com uma API simples e compatível com a ElementTree
.
Prós: performance.
Contras: nenhum.
Exemplo: Em sua maioria, idêntico ao ElementTree
(só muda o import xml...
para import lxml...
).
Seu principal uso é pra interpretar/manipular HTML, mas suporta XML também. Sua principal característica é ser bastante robusto quando seus arquivos de entrada não estão necessariamente bem formatados.
Prós: robustez. Contras: um pouco mais verboso ao modificar/criar. Exemplo:
>>> from bs4 import BeautifulSoup
>>> root = BeautifulSoup(open('country_data.xml'))
>>> [(x.name, x.attrs) for x in root.children] # Lista os elementos filhos: nome e atributos
[('country', {'name':'Liechtenstein'}), (...), (...)]
>>> root.contents[0].contents[7].string # Acessa um sub-elemento por índice, obtém seu texto
'2008'
>>> [x.attrs for x in root.find_all('neighbor')] # Lista elementos descendentes: atributos
[{'name': 'Austria', 'direction': 'E'}, {...}, {...}, ...]
>>> atualizar = root.rank # "atalho" para root.find_all('rank')[0]
>>> atualizar.string = "1"
>>> with open('output.xml') as f:
... f.write(unicode(root))
>>> soup = BeautifulSoup
>>> a = soup("<a />")
>>> a.append(soup.new_tag("b"))
>>> c = soup.new_tag("c")
>>> a.append(c)
>>> c.append(soup.new_tag("d"))
>>> str(soup)
"<a><b /><c><d /></c></a>"
Biblioteca que tenta "mimicar" o jQuery num ambiente Python. Para quem já tem familiaridade com o uso dessa framework e quer manipular XML em Python usando um código semelhante. Depende do lxml
.
Prós: jQuery!!! Contras: documentação fraca [no que se refere a casos não cobertos, onde o fallback fica pro lxml]. Exemplo:
>>> from pyquery import PyQuery as pq
>>> root = pq(filename='country_data.xml')
>>> root.children().map(lambda x: (x.tag, x.attrib)) # Lista os elementos filhos: nome e atributos
[('country', {'name':'Liechtenstein'}), (...), (...)]
>>> root.children(":eq(0)").children(":eq(7)").text() # Acessa um sub-elemento por índice, obtém seu texto
'2008'
>>> root.find('neighbor').map(lambda x: x.attrib) # Lista elementos descendentes: atributos
>>> atualizar = root.find('rank:eq(0)').text('1')
>>> with open('output.xml') as f:
... f.write(unicode(root))
>>> print pq('a')\
... .append('b')\
... .append(pq('c').append('d'))
"<a><b /><c><d /></c></a>"
Converte um arquivo XML em um dict
simples, que pode ser acessado e manipulado simplesmente através das chaves e valores. Também pode ser convertido de volta num XML. Oferece suporte para namespaces, através de um parâmetro extra ao fazer o parse.
Prós: API super simples e homogênea em suas operações. Contras: documentação fraca. Exemplo: Ver a resposta do @avelino.
Você pode usar a biblioteca xml.dom.minidom.
Fiz a seguinte implementação no Python 3.3 para ler um XML:
from xml.dom import minidom
xml ="""<raiz>
<itens>
<item name="item1">Item 1</item>
<item name="item2">Item 2</item>
<item name="item3">Item 3</item>
</itens>
</raiz>
"""
#ler do arquivo
#xmldoc = minidom.parse('itens.xml')
#ler da string
xmldoc = minidom.parseString(xml)
itemlist = xmldoc.getElementsByTagName('item')
print('Quantidade de itens:', len(itemlist))
for s in itemlist:
print(s.attributes['name'].value, ' =', s.firstChild.nodeValue)
E para criar um XML:
#cria documento
doc = minidom.Document()
#cria raiz e adicionar no documento
raiz = doc.createElement('raiz')
doc.appendChild(doc.createElement('raiz'))
#cria itens e adiciona na raiz
itens = doc.createElement('itens')
raiz.appendChild(itens)
#cria itens e textos
for i in range(3):
item = doc.createElement('item')
item.setAttribute('name', 'item' + str(i+1))
itens.appendChild(item)
item.appendChild( doc.createTextNode('Item ' + str(i + 1)))
#xmldoc = minidom.Document()
print(raiz.toprettyxml())
Só é preciso notar que a documentação do minidom aconselha a não usá-lo em caso de processamento de XML de fontes não confiáveis, devido a algumas vulnerabilidades.
Quanto ao cElementTree, não o tenho instalado para testar, mas o uso parece bem direto conforme o exemplo da documentação:
import cElementTree
for event, elem in cElementTree.iterparse(file):
if elem.tag == "record":
... process record element ...
elem.clear()
Basicamente:
cElementTree.iterparse(file)
lê o arquivoif
testa para ver se o evento foi causado por uma determinada tag, permitindo processá-la conforme necessário.Existem vários exemplos aqui.
cElementTree
parece ser simplesmente uma implementação em C da API ElementTree
, ou seja: o uso deve ser exatamente o mesmo (ou estou enganado?). Fiz um comparativo das principais bibliotecas suportadas pelo Python.
Commented
1/02/2014 às 9:13
Existe varias forma de ler XML com Python, uma das formas mais simples é o XMLtoDict, ele converte a estrutura do XML para um dict (dicionario Python):
https://pypi.python.org/pypi/xmltodict
Veja um exemplo:
```python
>>> doc = xmltodict.parse("""
... <mydocument has="an attribute">
... <and>
... <many>elements</many>
... <many>more elements</many>
... </and>
... <plus a="complex">
... element as well
... </plus>
... </mydocument>
... """)
>>>
>>> doc['mydocument']['@has']
u'an attribute'
>>> doc['mydocument']['and']['many']
[u'elements', u'more elements']
>>> doc['mydocument']['plus']['@a']
u'complex'
>>> doc['mydocument']['plus']['#text']
u'element as well'