Python有三种方法解析XML，SAX，DOM，以及ElementTree
###1.SAX (simple API for XML )
pyhton 标准库包含SAX解析器，SAX是一种典型的极为快速的工具，在解析XML时，不会占用大量内存。
但是这是基于回调机制的，因此在某些数据中，它会调用某些方法进行传递。这意味着必须为数据指定句柄，
以维持自己的状态，这是非常困难的。
###2.DOM(Document Object Model)
与SAX比较，DOM典型的缺点是比较慢，消耗更多的内存，因为DOM会将整个XML数读入内存中，并为树
中的第一个节点建立一个对象。使用DOM的好处是你不需要对状态进行追踪，因为每一个节点都知道谁是它的
父节点，谁是子节点。但是DOM用起来有些麻烦。
###3.ElementTree(元素树)
ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少，这里主要
介绍ElementTree。
一 基本知识
1、插入节点
Element.insert(index, element) 、Element(tag[, attrib][, **extra]) 、SubElement(parent, tag[, attrib[, **extra]]) 、Element.append(subelement)
2、删除节点
Element.remove(subelement) 删除一个节点、Element.clear()删除该节点下所有子节点
3、在节点中插入属性
Element.set(key, value)
4、查找节点
a) Element.getiterator b) Element.getchildren c) Element.find d) Element.findall
#!/usr/bin/python
# -*- encoding: utf-8 -*-
import os
import sys
import os.path
import xml.etree.ElementTree as ET
def read_xml(xmlFile, destDir):
# print '==----------------=',ET.parse(xmlFile)
# 加载XML文件（2种方法,一是加载指定字符串，二是加载指定文件）c:xml1.xml
'''
<?xml version="1.0" ?>
<root>
<FILE_DIRECTORY NAME="ca002">
<FILE_DIRECTORY NAME="RT_CA">
<FILE_NAME NAME="0000.obj">
<COFF_FILE_HEAD BEGIN="0" END="20">
<Machine>X86</Machine>
<NumberOfSections>2</NumberOfSections>
<PointerToSymbolTable>21205</PointerToSymbolTable>
<NumberOfSymbols>107</NumberOfSymbols>
<SizeOfOptionalHeader>0</SizeOfOptionalHeader>
<Characteristics>0</Characteristics>
</COFF_FILE_HEAD>
<COFF_IMAGE_SECTIONS>
<COFF_IMAGE_SECTION INDEX="0">
<Name>.rdata</Name>
<SizeOfRawData>5064</SizeOfRawData>
<PointerToRawData>100</PointerToRawData>
<PointerToRelocations>0</PointerToRelocations>
<PointerToLinenumbers>0</PointerToLinenumbers>
<NumberOfRelocations>0</NumberOfRelocations>
<NumberOfLinenumbers>0</NumberOfLinenumbers>
</COFF_IMAGE_SECTION>
</COFF_IMAGE_SECTIONS>
</FILE_NAME>
</FILE_DIRECTORY>
</FILE_DIRECTORY>
</root>
:param xmlFile:
:param destDir:
:return:
'''
tree = ET.parse(xmlFile)
root = tree.getroot()
# root = ET.fromstring(xmlContent)
dir1_nodes = root.getchildren()
# create dir1
for dir1_node in dir1_nodes:
dir1 = destDir + os.path.sep + dir1_node.attrib['NAME']
# print dir1
if os.path.exists(dir1) == False:
os.mkdir(dir1)
# create dir2
dir2_nodes = dir1_node.getchildren()
for dir2_node in dir2_nodes:
dir2 = dir1 + os.path.sep + dir2_node.attrib['NAME']
if os.path.exists(dir2) == False:
os.mkdir(dir2)
# create file
dir3_nodes = dir2_node.getchildren()
for dir3_node in dir3_nodes:
dir3 = dir2 + os.path.sep + dir3_node.attrib['NAME']
# 参数w 会新建或覆盖一个文件，
f = open(dir3, 'w')
# 遍历xml标签name=***.obj
prelen = 0
dir4_nodes = dir3_node.getchildren()
for dir4_node in dir4_nodes:
traversal(dir4_node, f, prelen)
f.close()
def traversal(node, f, prelen):
'''''recursively traversal the rest of xml's content'''
length = node.getchildren()
attrs = ''
texts = ''
if len(node.attrib) > 0:
for key in node.attrib:
attrs += str(key) + ":" + str(node.attrib[key]) + " "
attrs = attrs[:-1]
f.write('-' * prelen + node.tag + '(' + attrs + ')')
else:
f.write('-' * prelen + node.tag)
if node.text != None:
f.write(':' + node.text)
f.write('
')
if length != 0:
nodes = node.getchildren()
prelen += 4
for node1 in nodes:
traversal(node1, f, prelen)
def parseXmls(filePath, destDir):
'''''traversal xmls directory'''
if os.path.isfile(filePath) and os.path.basename(filePath).endswith('.xml'):
# print 'filePath===',filePath
read_xml(filePath, destDir)
else:
for item in os.listdir(filePath):
print item
subpath = filePath + os.path.sep + item
parseXmls(subpath, destDir)
def main():
"Main function."
# input xml dir
while True:
dir = raw_input("input the dir:")
if not os.path.exists(dir):
print("you input dir is not existed!")
continue
else:
break
# create the dir of dest path that using to store the parsing xmls
'''''destDir = os.path.split(dir)[0]+os.sep+time.strftime('%Y%m%d')
if not os.path.exists(destDir):
os.mkdir(destDir) '''
destDir = os.path.split(dir)[0] + os.path.sep + os.path.basename(dir) + 'xml'
if os.path.exists(destDir) == False:
os.mkdir(destDir)
# recall the function of parse the xmls
parseXmls(dir, destDir)
if __name__ == '__main__':
main()