Phân tích cú pháp XML trong Python – Chúng ta sẽ học cách phân tích cú pháp các tài liệu xml bằng ngôn ngữ lập trình python. Có rất nhiều lựa chọn có sẵn ngoài kia. Chúng ta sẽ đi qua đủ ví dụ cho các thư viện sau
- Yếu TốCây
- cElementTree
- thiểu số
- khách quan hóa
Chúng ta sẽ xem xét các ví dụ để phân tích cú pháp tệp xml, trích xuất các thuộc tính, trích xuất các phần tử, v.v. cho tất cả các thư viện trên
Bài viết này tập trung vào cách một người có thể phân tích cú pháp một tệp XML nhất định và trích xuất một số dữ liệu hữu ích từ tệp đó theo cách có cấu trúc
XML. XML là viết tắt của eXtensible Markup Language. Nó được thiết kế để lưu trữ và vận chuyển dữ liệu. Nó được thiết kế để con người và máy có thể đọc được. Đó là lý do tại sao, mục tiêu thiết kế của XML nhấn mạnh vào tính đơn giản, tính tổng quát và khả năng sử dụng trên Internet.
Tệp XML được phân tích cú pháp trong hướng dẫn này thực chất là một nguồn cấp dữ liệu RSS.
RSS. RSS [Rich Site Summary, thường được gọi là Really Simple Syndication] sử dụng một nhóm các định dạng nguồn cấp dữ liệu web tiêu chuẩn để xuất bản thông tin được cập nhật thường xuyên như mục blog, tiêu đề tin tức, âm thanh, video. RSS là văn bản thuần túy được định dạng XML
- Bản thân định dạng RSS tương đối dễ đọc bởi cả quy trình tự động và con người.
- RSS được xử lý trong hướng dẫn này là nguồn cấp RSS của các câu chuyện tin tức hàng đầu từ một trang web tin tức phổ biến. Bạn có thể kiểm tra xem nó ra ở đây. Mục tiêu của chúng tôi là xử lý nguồn cấp dữ liệu RSS này [hoặc tệp XML] và lưu nó ở một số định dạng khác để sử dụng trong tương lai
Mô-đun Python được sử dụng. Bài viết này sẽ tập trung vào việc sử dụng mô-đun xml có sẵn trong python để phân tích cú pháp XML và trọng tâm chính sẽ là API ElementTree XML của mô-đun này
Thực hiện
tree = ET.parse[xmlfile]15
tree = ET.parse[xmlfile]0
tree = ET.parse[xmlfile]1
tree = ET.parse[xmlfile]2
tree = ET.parse[xmlfile]1
tree = ET.parse[xmlfile]4
tree = ET.parse[xmlfile]1
tree = ET.parse[xmlfile]6
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]8
tree = ET.parse[xmlfile]9
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]12
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]14
tree = ET.parse[xmlfile]15
tree = ET.parse[xmlfile]16
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]19
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]15
tree = ET.parse[xmlfile]13
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]16
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]18
tree = ET.parse[xmlfile]19
tree = ET.parse[xmlfile]00
tree = ET.parse[xmlfile]01
tree = ET.parse[xmlfile]02
tree = ET.parse[xmlfile]03
tree = ET.parse[xmlfile]04
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]06
tree = ET.parse[xmlfile]07
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]8
tree = ET.parse[xmlfile]00
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]03
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]15
tree = ET.parse[xmlfile]07
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]11____500
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]02____115
tree = ET.parse[xmlfile]04
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]11____507
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]09____115
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]14
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]16
tree = ET.parse[xmlfile]17
tree = ET.parse[xmlfile]18
tree = ET.parse[xmlfile]19
tree = ET.parse[xmlfile]00
tree = ET.parse[xmlfile]01
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]04
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]06
tree = ET.parse[xmlfile]15
tree = ET.parse[xmlfile]08
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]151
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]16
tree = ET.parse[xmlfile]154
tree = ET.parse[xmlfile]18
tree = ET.parse[xmlfile]156
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]158
tree = ET.parse[xmlfile]159
tree = ET.parse[xmlfile]158
tree = ET.parse[xmlfile]01
tree = ET.parse[xmlfile]02____115
tree = ET.parse[xmlfile]15
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]06
tree = ET.parse[xmlfile]07
tree = ET.parse[xmlfile]08
tree = ET.parse[xmlfile]09
tree = ET.parse[xmlfile]10
tree = ET.parse[xmlfile]15
tree = ET.parse[xmlfile]12
tree = ET.parse[xmlfile]13
tree = ET.parse[xmlfile]10
tree = ET.parse[xmlfile]158
tree = ET.parse[xmlfile]16
tree = ET.parse[xmlfile]06
tree = ET.parse[xmlfile]07
tree = ET.parse[xmlfile]19
tree = ET.parse[xmlfile]15
tree = ET.parse[xmlfile]21
tree = ET.parse[xmlfile]22
tree = ET.parse[xmlfile]23
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]26
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]28
tree = ET.parse[xmlfile]29
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]31
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]33
tree = ET.parse[xmlfile]09
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]8
tree = ET.parse[xmlfile]38
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]41
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]43
tree = ET.parse[xmlfile]15
tree = ET.parse[xmlfile]45
tree = ET.parse[xmlfile]46
tree = ET.parse[xmlfile]02
tree = ET.parse[xmlfile]48
tree = ET.parse[xmlfile]02
tree = ET.parse[xmlfile]50
tree = ET.parse[xmlfile]02
tree = ET.parse[xmlfile]52
tree = ET.parse[xmlfile]02
tree = ET.parse[xmlfile]54
tree = ET.parse[xmlfile]02
tree = ET.parse[xmlfile]09
tree = ET.parse[xmlfile]10
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]60
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]18
tree = ET.parse[xmlfile]19
tree = ET.parse[xmlfile]64
tree = ET.parse[xmlfile]65
tree = ET.parse[xmlfile]66
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]69
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]71
tree = ET.parse[xmlfile]15
tree = ET.parse[xmlfile]73
tree = ET.parse[xmlfile]15
tree = ET.parse[xmlfile]75
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]78
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]80
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]83
tree = ET.parse[xmlfile]05
tree = ET.parse[xmlfile]85
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]29
tree = ET.parse[xmlfile]8
tree = ET.parse[xmlfile]89
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]91
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]93
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]96
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]09
tree = ET.parse[xmlfile]15
tree = ET.parse[xmlfile]100
tree = ET.parse[xmlfile]01
tree = ET.parse[xmlfile]23
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]105
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]107
tree = ET.parse[xmlfile]108
tree = ET.parse[xmlfile]23
tree = ET.parse[xmlfile]29
tree = ET.parse[xmlfile]29
tree = ET.parse[xmlfile]01
tree = ET.parse[xmlfile]113____115
tree = ET.parse[xmlfile]15
tree = ET.parse[xmlfile]116
tree = ET.parse[xmlfile]06
tree = ET.parse[xmlfile]7
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]120
tree = ET.parse[xmlfile]11
tree = ET.parse[xmlfile]122
Mã trên sẽ
- Tải nguồn cấp RSS từ URL được chỉ định và lưu dưới dạng tệp XML
- Phân tích cú pháp tệp XML để lưu tin tức dưới dạng danh sách từ điển trong đó mỗi từ điển là một mục tin tức
- Lưu các mục tin tức vào tệp CSV
Hãy để chúng tôi cố gắng hiểu mã từng phần
- Đang tải và lưu nguồn cấp dữ liệu RSS____206
Ở đây, trước tiên chúng ta tạo một đối tượng phản hồi HTTP bằng cách gửi một yêu cầu HTTP tới URL của nguồn cấp RSS. Nội dung phản hồi hiện chứa dữ liệu tệp XML mà chúng tôi lưu dưới dạng topnewsfeed. xml trong thư mục cục bộ của chúng tôi.
Để biết thêm thông tin chi tiết về cách hoạt động của mô-đun yêu cầu, hãy theo dõi bài viết này.
NHẬN và ĐĂNG các yêu cầu bằng Python - Phân tích cú pháp XML
Chúng tôi đã tạo hàm parseXML[] để phân tích cú pháp tệp XML. Chúng tôi biết rằng XML là một định dạng dữ liệu phân cấp vốn có và cách tự nhiên nhất để biểu diễn nó là bằng một cái cây. Nhìn vào hình ảnh dưới đây ví dụ.Ở đây, chúng tôi đang sử dụng xml. cây etree. Mô-đun ElementTree [gọi tắt là ET]. Element Tree có hai lớp cho mục đích này – ElementTree đại diện cho toàn bộ tài liệu XML
dưới dạng cây và Element đại diện cho một nút trong cây này. Các tương tác với toàn bộ tài liệu [đọc và ghi vào/từ tệp] thường được thực hiện ở cấp độ ElementTree. Các tương tác với một phần tử XML đơn lẻ và các phần tử con của nó được thực hiện ở cấp Phần tử.Ok, bây giờ chúng ta hãy xem qua hàm parseXML[]
tree = ET.parse[xmlfile]
Ở đây, chúng tôi tạo một đối tượng ElementTree bằng cách phân tích cú pháp xmlfile đã truyền
tree = ET.parse[xmlfile]
1Hàm getroot[] trả về gốc của cây dưới dạng đối tượng Element
tree = ET.parse[xmlfile]
1Bây giờ, khi bạn đã xem qua cấu trúc tệp XML của mình, bạn sẽ nhận thấy rằng chúng tôi chỉ quan tâm đến phần tử mục.
. /channel/item thực sự là cú pháp XPath [XPath là ngôn ngữ để đánh địa chỉ các phần của tài liệu XML]. Ở đây, chúng tôi muốn tìm tất cả các mục cháu của kênh con của gốc [ký hiệu là '. '] thành phần.
Bạn có thể đọc thêm về cú pháp XPath được hỗ trợ tại đây.tree = ET.parse[xmlfile]
0Bây giờ, chúng tôi biết rằng chúng tôi đang lặp qua các phần tử mục trong đó mỗi phần tử mục chứa một tin tức. Vì vậy, chúng tôi tạo một từ điển tin tức trống trong đó chúng tôi sẽ lưu trữ tất cả dữ liệu có sẵn về mục tin tức. Để lặp qua từng phần tử con của một phần tử, chúng ta chỉ cần lặp qua nó, như thế này
tree = ET.parse[xmlfile]
0Bây giờ, hãy chú ý một phần tử vật phẩm mẫu ở đây
Chúng tôi sẽ phải xử lý riêng các thẻ không gian tên khi chúng được mở rộng thành giá trị ban đầu, khi được phân tích cú pháp. Vì vậy, chúng tôi làm một cái gì đó như thế này
tree = ET.parse[xmlfile]
0con. attrib là một từ điển của tất cả các thuộc tính liên quan đến một phần tử. Ở đây, chúng tôi quan tâm đến thuộc tính url của phương tiện. thẻ không gian tên nội dung.
Bây giờ, đối với tất cả những đứa trẻ khác, chúng tôi chỉ đơn giản là làm.tree = ET.parse[xmlfile]
1trẻ em. thẻ chứa tên của phần tử con. trẻ em. văn bản lưu trữ tất cả văn bản bên trong phần tử con đó. Vì vậy, cuối cùng, một phần tử mục mẫu được chuyển thành từ điển và trông như thế này
tree = ET.parse[xmlfile]
0Sau đó, chúng ta chỉ cần thêm phần tử dict này vào danh sách newsitems.
Cuối cùng, danh sách này được trả về. - Lưu dữ liệu vào tệp CSV
Bây giờ, chúng tôi chỉ cần lưu danh sách các mục tin tức vào tệp CSV để có thể sử dụng hoặc sửa đổi dễ dàng trong tương lai bằng cách sử dụng hàm savetoCSV[]. Để biết thêm về cách ghi các thành phần từ điển vào tệp CSV, hãy xem qua bài viết này.
Làm việc với tệp CSV bằng Python
Vì vậy, bây giờ, đây là cách dữ liệu được định dạng của chúng tôi trông giống như bây giờ
Như bạn có thể thấy, dữ liệu tệp XML phân cấp đã được chuyển đổi thành tệp CSV đơn giản để tất cả các tin bài được lưu trữ dưới dạng bảng. Điều này cũng giúp mở rộng cơ sở dữ liệu dễ dàng hơn.
Ngoài ra, người ta có thể sử dụng trực tiếp dữ liệu dạng JSON trong ứng dụng của mình. Đây là giải pháp thay thế tốt nhất để trích xuất dữ liệu từ các trang web không cung cấp API công khai nhưng cung cấp một số nguồn cấp dữ liệu RSS.
Tất cả mã và tệp được sử dụng trong bài viết trên có thể được tìm thấy tại đây
Tiếp theo là gì?
- Bạn có thể xem thêm nguồn cấp dữ liệu rss của trang web tin tức được sử dụng trong ví dụ trên. Bạn cũng có thể thử tạo một phiên bản mở rộng của ví dụ trên bằng cách phân tích cú pháp các nguồn cấp dữ liệu rss khác
- Bạn có phải là một fan hâm mộ môn cricket? . Bạn có thể phân tích cú pháp tệp XML này để thu thập thông tin về các trận đấu cricket trực tiếp và sử dụng để tạo trình thông báo trên màn hình
Câu đố về HTML và XML
Bài viết này được đóng góp bởi Nikhil Kumar. Nếu bạn thích GeeksforGeeks và muốn đóng góp, bạn cũng có thể viết một bài báo và gửi bài viết của mình tới review-team@geeksforgeeks. tổ chức. Xem bài viết của bạn xuất hiện trên trang chính của GeeksforGeeks và trợ giúp các Geeks khác
Vui lòng viết bình luận nếu bạn thấy bất cứ điều gì không chính xác hoặc bạn muốn chia sẻ thêm thông tin về chủ đề thảo luận ở trên