Python: Extraire des informations à partir de xml à dictionnaire

essayer xmldict (Convertir xml en python dictionnaires, et vice-versa.):

>>> xmldict.xml_to_dict('''
... <root>
...   <persons>
...     <person>
...       <name first="foo" last="bar" />
...     </person>
...     <person>
...       <name first="baz" last="bar" />
...     </person>
...   </persons>
... </root>
... ''')
{'root': {'persons': {'person': [{'name': {'last': 'bar', 'first': 'foo'}}, {'name': {'last': 'bar', 'first': 'baz'}}]}}}


# Converting dictionary to xml 
>>> xmldict.dict_to_xml({'root': {'persons': {'person': [{'name': {'last': 'bar', 'first': 'foo'}}, {'name': {'last': 'bar', 'first': 'baz'}}]}}})
'<root><persons><person><name><last>bar</last><first>foo</first></name></person><person><name><last>bar</last><first>baz</first></name></person></persons></root>'

ou essayer xmlmapper (liste de python dictionnaire avec la relation parent-enfant):

  >>> myxml='''<?xml version='1.0' encoding='us-ascii'?>
<slideshow title="Sample Slide Show" date="2012-12-31" author="Yours Truly" >
<slide type="all">
<title>Overview</title>
<item>Why
<em>WonderWidgets</em>
are great
</item>
<item/>
<item>Who
<em>buys</em>
WonderWidgets1
</item>
</slide>
</slideshow>'''
>>> x=xml_to_dict(myxml)
>>> for s in x:
print s
>>>
{'text': '', 'tail': None, 'tag': 'slideshow', 'xmlinfo': {'ownid': 1, 'parentid': 0}, 'xmlattb': {'date': '2012-12-31', 'author': 'Yours Truly', 'title': 'Sample Slide Show'}}
{'text': '', 'tail': '', 'tag': 'slide', 'xmlinfo': {'ownid': 2, 'parentid': 1}, 'xmlattb': {'type': 'all'}}
{'text': 'Overview', 'tail': '', 'tag': 'title', 'xmlinfo': {'ownid': 3, 'parentid': 2}, 'xmlattb': {}}
{'text': 'Why', 'tail': '', 'tag': 'item', 'xmlinfo': {'ownid': 4, 'parentid': 2}, 'xmlattb': {}}
{'text': 'WonderWidgets', 'tail': 'are great', 'tag': 'em', 'xmlinfo': {'ownid': 5, 'parentid': 4}, 'xmlattb': {}}
{'text': None, 'tail': '', 'tag': 'item', 'xmlinfo': {'ownid': 6, 'parentid': 2}, 'xmlattb': {}}
{'text': 'Who', 'tail': '', 'tag': 'item', 'xmlinfo': {'ownid': 7, 'parentid': 2}, 'xmlattb': {}}
{'text': 'buys', 'tail': 'WonderWidgets1', 'tag': 'em', 'xmlinfo': {'ownid': 8, 'parentid': 7}, 'xmlattb': {}}

code ci-dessus donnera générateur. Lorsque vous parcourez, vous obtiendrez des informations dans dict clés; comme tag, text, xmlattb,tail et plus d'informations dans xmlinfo. Ici root élément aura parentid informations 0.

Il me semble que c'est un exercice pour apprendre comment analyser ce XML manuellement plutôt que de simplement en tirant une bibliothèque sur le sac pour le faire pour vous. Si je me trompe, je vous suggère de regarder le udacity vidéo par Steve Huffman qui peut être trouvé ici: http://www.udacity.com/view#Course/cs253/CourseRev/apr2012/Unit/362001/Nugget/365002. Il explique comment utiliser le minidom module pour analyser léger fichiers xml comme ces.

Maintenant, le premier point que je veux faire dans ma réponse, c'est que vous ne voulez pas créer un dictionnaire python pour imprimer l'ensemble de ces valeurs. Un dictionnaire python est tout simplement un ensemble de touches qui correspondent à des valeurs. Il n'y a aucun ordre, et ainsi de traversée dans l'ordre où elles apparaissent dans le fichier est une douleur dans le cul. Vous essayez d'imprimer tous les noms avec leurs âges correspondants, donc une structure de données comme une liste de tuples serait probablement mieux adapté pour rassembler vos données.

Il semble que la structure de votre fichier xml, c'est que chaque étiquette de nom est remplacé par un âge de balise qui lui correspond. Il semble également qu'une seule balise de nom par ligne. Cela rend les choses assez simples. Je ne vais pas écrire le plus efficace ou de solution universelle à ce problème, mais au lieu de cela, je vais essayer de faire le code le plus simple à comprendre que je peux.

Donc, nous allons d'abord créer une liste pour stocker les données:

Nous allons ensuite créer une liste pour stocker les données:
a_list = []

Maintenant, ouvrez votre fichier, et initialiser un couple de variables pour stocker chaque nom et âge:

from __future__ import with_statement
with open("/people.xml") as f:
name, age = None, None #initialize a name and an age variable to be used during traversals.
for line in f:
name = extract_name(line,name) # This function will be defined later.
age = extract_age(line) # So will this one.
if age: #We know that if age is defined, we can add a person to our list and reset our variables
a_list.append( (name,age) ) # and now we can re-initialize our variables.
name,age = None , None # otherwise simply read the next line until age is defined.

Maintenant, pour chaque ligne dans le fichier, nous avons voulu déterminer si elle contient un utilisateur. Si il l'a fait, nous avons voulu extraire le nom. Nous allons créer une fonction utilisée pour ce faire:

def extract_name(a_line,name): #we pass in the line as well as the name value that that we defined before beginning our traversal.
if name: # if the name is predefined, we simply want to keep the name at its current value. (we can clear it upon encountering the corresponding age.)
return name
if not "<name>" in a_line: #if no "<name>" in a_line, return. otherwise, extract new name.
return
name_pos = a_line.find("<name>")+6
end_pos = a_line.find("</name>")
return a_line[name_pos:end_pos]

Maintenant, nous devons créer une fonction pour analyser la ligne pour l'âge d'un utilisateur. Nous pouvons le faire d'une manière similaire à la fonction précédente, mais nous savons qu'une fois que nous avons un âge, elle sera ajoutée à la liste immédiatement. En tant que tel, nous n'avons jamais besoin de nous préoccuper de l'âge de la valeur précédente. La fonction peut donc ressembler à ceci:

def extract_age(a_line):
if not "<age>" in a_line: #if no "<age>" in a_line:
return
age_pos = a_line.find("<age>")+5 # else extract age from line and return it.
end_pos = a_line.find("</age>")
return a_line[age_pos:end_pos]

Enfin, vous souhaitez imprimer la liste. Vous pouvez le faire comme suit:

for item in a_list:
print '\t'.join(item)

Espère que cela a aidé. Je n'ai pas testé mon code, donc il peut encore être légèrement buggé. Les concepts sont là, cependant. 🙂