XML Parsing in Python meistern: Praktischer Guide mit Minidom und ElementTree

Was ist XML?

XML (eXtensible Markup Language) wurde entwickelt, um strukturierte Daten effizient zu speichern und zu transportieren. Es wird breit für Informationsaustausch zwischen Systemen und Anwendungen genutzt.

Python stellt robuste Bibliotheken für Parsing und Manipulation von XML-Dokumenten bereit. Allerdings muss zum Parsen einer XML-Datei das gesamte Dokument zunächst in den Speicher geladen werden. In diesem Tutorial demonstrieren wir, wie Pythons xml.dom.minidom und xml.etree.ElementTree Module verwendet werden, um XML-Dateien zu lesen, zu inspizieren und zu modifizieren.

Am Ende dieses Guides können Sie:

• XML mit minidom parsen
• Neue XML-Nodes erstellen
• XML mit ElementTree parsen

XML mit minidom parsen

Wir starten mit einer XML-Beispieldatei, die Employee-Daten enthält. Die Datei sieht so aus:

Schritt 1) Die Datei listet Vorname, Nachname, Wohnort und Expertise-Bereiche wie SQL, Python, Testing und Business eines Mitarbeiters.

Schritt 2) Nach Laden des Dokuments geben wir den nodeName des Root-Elements und den tagName seines ersten Childs aus. Das sind Standard-Properties eines DOM-Objekts.

• xml.dom.minidom importieren und XML-Datei (myxml.xml) laden.
• Datei mit parse() parsen, um Document-Objekt zu erhalten.
• Dokuments nodeName und ersten Child's tagName abrufen und anzeigen.
• getElementsByTagName() nutzen, um alle expertise Elemente aufzulisten und jeden Skill auszugeben.

Hinweis: Die nodeName und tagName Werte folgen XML DOM Namenskonventionen, die ungewohnt sein können, wenn Sie neu in XML sind.

Schritt 3) Wir können eine Liste aller Skills aus dem Dokument extrahieren. Der folgende Code demonstriert, wie Skill-Namen in ein Set gesammelt werden.

• getElementsByTagName("skill") nutzen, um alle Skill-Elemente abzurufen.
• Über die zurückgegebene Liste iterieren und jedes Skill's name-Attribut ausgeben.

Neuen XML Node erstellen

Neue Daten zu einer bestehenden XML-Struktur hinzuzufügen ist mit minidom unkompliziert. In unserem Beispiel fügen wir einen neuen expertise-Node mit Label "BigData" hinzu.

1. Neues Element mit createElement("expertise") erstellen und name-Attribut setzen.
2. Neues Element an das Root-Child des Dokuments anhängen.

• Nach Einfügung enthält die expertise-Liste nun den neuen "BigData"-Skill.

XML Parser Beispiel

Python 2 Beispiel

import xml.dom.minidom

def main():
    # XML-Datei laden und parsen
    doc = xml.dom.minidom.parse("Myxml.xml")
    # Root-Informationen ausgeben
    print doc.nodeName
    print doc.firstChild.tagName
    # Bestehende Expertise-Einträge auflisten
    expertise = doc.getElementsByTagName("expertise")
    print "%d expertise:" % expertise.length
    for skill in expertise:
        print skill.getAttribute("name")
    # Neuen Expertise-Eintrag hinzufügen
    newexpertise = doc.createElement("expertise")
    newexpertise.setAttribute("name", "BigData")
    doc.firstChild.appendChild(newexpertise)
    print " "
    # Hinzufügen verifizieren
    expertise = doc.getElementsByTagName("expertise")
    print "%d expertise:" % expertise.length
    for skill in expertise:
        print skill.getAttribute("name")

if __name__ == "__main__":
    main()

Python 3 Beispiel

import xml.dom.minidom

def main():
    # XML-Datei laden und parsen
    doc = xml.dom.minidom.parse("Myxml.xml")
    # Root-Informationen ausgeben
    print(doc.nodeName)
    print(doc.firstChild.tagName)
    # Bestehende Expertise-Einträge auflisten
    expertise = doc.getElementsByTagName("expertise")
    print("%d expertise:" % expertise.length)
    for skill in expertise:
        print(skill.getAttribute("name"))
    # Neuen Expertise-Eintrag hinzufügen
    newexpertise = doc.createElement("expertise")
    newexpertise.setAttribute("name", "BigData")
    doc.firstChild.appendChild(newexpertise)
    print(" ")
    # Hinzufügen verifizieren
    expertise = doc.getElementsByTagName("expertise")
    print("%d expertise:" % expertise.length)
    for skill in expertise:
        print(skill.getAttribute("name"))

if __name__ == "__main__":
    main()

XML mit ElementTree parsen

ElementTree ist eine leichte API, die XML-Manipulation einfach und pythonisch macht. Sie ist ideal für das Lesen großer XML-Dateien ohne den Overhead eines vollen DOM.

Unsere XML-Beispieldaten:

<data>
  <items>
    <item name="expertise1">SQL</item>
    <item name="expertise2">Python</item>
  </items>
</data>

XML mit ElementTree lesen:

Zuerst das Modul importieren:

import xml.etree.ElementTree as ET

Datei parsen und Root-Element erhalten:

tree = ET.parse('items.xml')
root = tree.getroot()

Hier der vollständige Code, um alle Skill-Namen anzuzeigen:

import xml.etree.ElementTree as ET
tree = ET.parse('items.xml')
root = tree.getroot()
print('Expertise Data:')
for elem in root:
    for subelem in elem:
        print(subelem.text)

Output:

Expertise Data:
SQL
Python

Zusammenfassung

Pythons xml.dom.minidom und xml.etree.ElementTree Module befähigen Entwickler, XML-Dokumente effizient zu laden, zu analysieren und zu modifizieren. Während minidom eine volle DOM-Repräsentation für komplexe Manipulationen bietet, liefert ElementTree eine leichte Alternative für einfaches Parsing und Extraktion.

• XML mit parse() laden (z. B. doc = xml.dom.minidom.parse(file)).
• getElementsByTagName() nutzen, um Elemente abzurufen.
• Neue Nodes erstellen und anhängen mit createElement() und appendChild().
• Mit ElementTree einfach über Child-Elemente iterieren, um Daten zuzugreifen.