9

Como criar e ler um XML com o componente DOM em Python?

E como ler um XML com o componente cElementTree do Python?

1
  • Tem algum problema específico que você esteja tendo? O que você já conseguiu fazer? Precisamos de perguntas objetivas para fornecer respostas mais precisas e duradouras.
    – Maniero
    31/01/2014 às 16:52

3 Respostas 3

9

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.

ElementTree

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>"

minidom

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.

lxml

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...).

BeautifulSoup

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>"

pyquery

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>"

xmltodict

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.

7

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 arquivo
  • o loop é invocada para cada evento de tag
  • o if testa para ver se o evento foi causado por uma determinada tag, permitindo processá-la conforme necessário.

Existem vários exemplos aqui.

4
  • 1
    O 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.
    – mgibsonbr
    1/02/2014 às 9:13
  • 1
    @mgibsonbr É exatamente isso. E outra coisa que eu não havia reparado é que parece que essa implementação já vem com o Python: "cElementTree is included with Python 2.5 and later, as xml.etree.cElementTree.".
    – utluiz
    1/02/2014 às 15:51
  • @mgibsonbr Só não sei se isso continua igual no Python 3. Ainda estou meio perdido com essas diferenças entre a versão 2 e 3. Algumas documentações simplesmente não fazem menção disso ou estão desatualizadas. Mas tudo pode ser ignorância minha, pois comecei a aprender Python há apenas 3 semanas... :)
    – utluiz
    1/02/2014 às 15:56
  • Eu acredito que o "CPython", sempre que define uma API "genérica" e precisa dar uma implementação concreta, usa uma implementação em C. Por isso não creio que o Python 3 tenha "regredido" nesse ponto... Mas é só um palpite, na realidade nunca nem experimentei o Python 3...
    – mgibsonbr
    1/02/2014 às 22:19
3

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'

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .