d = minidom.parse('**.xml')

s = d.getElementsByTagName('string')[0].getAttribute('name')

a = d.getElementsByTagName('string')[0]

xml即可扩展标记语言，它可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。

abc.xml

复制代码代码如下:

<?xml version="1.0" encoding="utf-8"?>

<catalog>

<maxid>4</maxid>

<login username="pytest" passwd='123456'>

<caption>Python</caption>

<item id="4">

<caption>测试</caption>

</item>

</login>

<item id="2">

<caption>Zope</caption>

</item>

</catalog>

Ok ,从结构上，它很像我们常见的HTML超文本标记语言。但他们被设计的目的是不同的，超文本标记语言被设计用来显示数据，其焦点是数据的外观。它被设计用来传输和存储数据，其焦点是数据的内容。

那么它有如下特征：

首先，它是有标签对组成，<aa></aa>

标签可以有属性：<aa id='123'></aa>

标签对可以嵌入数据：<aa>abc</aa>

标签可以嵌入子标签（具有层级关系）：

二、获得标签属性

那么，下面来介绍如何用python来读取这种类型的文件。

复制代码代码如下:

#coding=utf-8

import xml.dom.minidom

#打开xml文档

dom = xml.dom.minidom.parse('abc.xml')

#得到文档元素对象

root = dom.documentElement

print root.nodeName

print root.nodeValue

print root.nodeType

print root.ELEMENT_NODE

mxl.dom.minidom 模块被用来处理xml文件，所以要先引入。

xml.dom.minidom.parse() 用于打开一个xml文件，并将这个文件对象dom变量。

documentElement 用于得到dom对象的文档元素，并把获得的对象给root

每一个结点都有它的nodeName，nodeValue，nodeType属性。

nodeName为结点名字。

nodeValue是结点的值，只对文本结点有效。

nodeType是结点的类型。catalog是ELEMENT_NODE类型

现在有以下几种：

'ATTRIBUTE_NODE'

'CDATA_SECTION_NODE'

'COMMENT_NODE'

'DOCUMENT_FRAGMENT_NODE'

'DOCUMENT_NODE'

'DOCUMENT_TYPE_NODE'

'ELEMENT_NODE'

'ENTITY_NODE'

'ENTITY_REFERENCE_NODE'

'NOTATION_NODE'

'PROCESSING_INSTRUCTION_NODE'

'TEXT_NODE'

三、获得子标签

现在要获得catalog的子标签以的标签name

复制代码代码如下:

<?xml version="1.0" encoding="utf-8"?>

<catalog>

<maxid>4</maxid>

<login username="pytest" passwd='123456'>

<caption>Python</caption>

<item id="4">

<caption>测试</caption>

</item>

</login>

<item id="2">

<caption>Zope</caption>

</item>

</catalog>

对于知道元素名字的子元素，可以使用getElementsByTagName方法获取：

复制代码代码如下:

#coding=utf-8

import xml.dom.minidom

#打开xml文档

dom = xml.dom.minidom.parse('abc.xml')

#得到文档元素对象

root = dom.documentElement

bb = root.getElementsByTagName('maxid')

b= bb[0]

print b.nodeName

bb = root.getElementsByTagName('login')

b= bb[0]

print b.nodeName

如何区分相同标签名字的标签：

复制代码代码如下:

<?xml version="1.0" encoding="utf-8"?>

<catalog>

<maxid>4</maxid>

<login username="pytest" passwd='123456'>

<caption>Python</caption>

<item id="4">

<caption>测试</caption>

</item>

</login>

<item id="2">

<caption>Zope</caption>

</item>

</catalog>

<caption>和<item>标签不止一个如何区分？

复制代码代码如下:

#coding=utf-8

import xml.dom.minidom

#打开xml文档

dom = xml.dom.minidom.parse('abc.xml')

#得到文档元素对象

root = dom.documentElement

bb = root.getElementsByTagName('caption')

b= bb[2]

print b.nodeName

bb = root.getElementsByTagName('item')

b= bb[1]

print b.nodeName

root.getElementsByTagName('caption') 获得的是标签为caption 一组标签，b[0]表示一组标签中的第一个；b[2] ，表示这一组标签中的第三个。

四、获得标签属性值

复制代码代码如下:

<?xml version="1.0" encoding="utf-8"?>

<catalog>

<maxid>4</maxid>

<login username="pytest" passwd='123456'>

<caption>Python</caption>

<item id="4">

<caption>测试</caption>

</item>

</login>

<item id="2">

<caption>Zope</caption>

</item>

</catalog>

<login>和<item>标签是有属性的，如何获得他们的属性？

复制代码代码如下:

#coding=utf-8

import xml.dom.minidom

#打开xml文档

dom = xml.dom.minidom.parse('abc.xml')

#得到文档元素对象

root = dom.documentElement

itemlist = root.getElementsByTagName('login')

item = itemlist[0]

un=item.getAttribute("username")

print un

pd=item.getAttribute("passwd")

print pd

ii = root.getElementsByTagName('item')

i1 = ii[0]

i=i1.getAttribute("id")

print i

i2 = ii[1]

i=i2.getAttribute("id")

print i

getAttribute方法可以获得元素的属性所对应的值。

五、获得标签对之间的数据

复制代码代码如下:

<?xml version="1.0" encoding="utf-8"?>

<catalog>

<maxid>4</maxid>

<login username="pytest" passwd='123456'>

<caption>Python</caption>

<item id="4">

<caption>测试</caption>

</item>

</login>

<item id="2">

<caption>Zope</caption>

</item>

</catalog>

<caption>标签对之间是有数据的，如何获得这些数据？

获得标签对之间的数据有多种方法，

方法一：

复制代码代码如下:

#coding=utf-8

import xml.dom.minidom

#打开xml文档

dom = xml.dom.minidom.parse('abc.xml')

#得到文档元素对象

root = dom.documentElement

cc=dom.getElementsByTagName('caption')

c1=cc[0]

print c1.firstChild.data

c2=cc[1]

print c2.firstChild.data

c3=cc[2]

print c3.firstChild.data

firstChild 属性返回被选节点的第一个子节点，.data表示获取该节点人数据。

方法二：

复制代码代码如下:

#coding=utf-8

from xml.etree import ElementTree as ET

per=ET.parse('abc.xml')

p=per.findall('./login/item')

for oneper in p:

for child in oneper.getchildren():

print child.tag,':',child.text

p=per.findall('./item')

for oneper in p:

for child in oneper.getchildren():

print child.tag,':',child.text

方法二有点复杂，所引用模块也与前面的不一样，findall用于指定在哪一级标签下开始遍历。

getchildren方法按照文档顺序返回所有子标签。并输出标签名（child.tag）和标签的数据（child.text）

其实，方法二的作用不在于此，它核心功能是可以遍历某一级标签下的所有子标签。

安装:

pip install bs4

如果觉得 html 解析器不敷使用，参考文档安装其他适合的解析器。

如果想要详细了解 BeautifulSoup 也请参考官方文档(有中文版本)。

测试档:

以下是我使用的测试文件:

# delete.txt

126

147

# test.xml

<re>

<id>123</id>

<name>abc</name>

</re>

<re>

<id>126</id>

<name>abc</name>

</re>

<re>

<id>135</id>

<name>abc</name>

</re>

<re>

<id>147</id>

<name>abc</name>

</re>

代码:

from bs4 import BeautifulSoup

with open('test.xml') as reader:

xml = reader.read()

deleted_id = []

with open('delete.txt') as reader:

for line in reader:

line = line.strip()

deleted_id.append(line)

def has_delete_id(tag):

return tag.name=='re' and tag.id.string in deleted_id

soup = BeautifulSoup(xml, 'html.parser')

tags = soup(has_delete_id)

for tag in tags:

tag.decompose()

print(soup.prettify())

程式输出:

<re>

<id>

123

</id>

<name>

abc

</name>

</re>

<re>

<id>

135

</id>

<name>

abc

</name>

</re>

代码说明:

首先我们从 Beautiful Soup 的套件中汇入 BeautifulSoup 类

from bs4 import BeautifulSoup

接著分别从 delete.txt 和 test.xml 中读出要删除的 id 和主要的 xml 内容，下一步是实体化生成一个 BeautifulSoup对象 soup， 我们采用 html.parser 解析器去解析 xml:

soup = BeautifulSoup(xml, 'html.parser')

在此我们定义了一个用於过滤的 function has_delete_id，每一个在 xml 中的tag 只要是 <re>tag 且含有想要删除的 <id>tag 就会被检索出来:

def has_delete_id(tag):

return tag.name=='re' and tag.id.string in deleted_id

接著 soup(has_delete_id) 会帮助我们找到欲删除的 tag，接著走访搜索出来的这些 tag 并呼叫方法 decompose() 来从文件中删除该标签。

最後 soup.prettify()可以帮助我们输出修改後的文件。