XML 轻松读取：用 Python 发现数据宝藏

Original 爬虫俱乐部 Stata and Python数据分析 2023-10-24

本文作者：许林丽中南财经政法大学统计与数学学院
本文编辑：何疆
技术总编：王玉婷

Stata and Python 数据分析

爬虫俱乐部Stata基础课程、Stata进阶课程和Python课程可在小鹅通平台查看，欢迎大家多多支持订阅！如需了解详情，可以通过课程链接（https://appbqiqpzi66527.h5.xiaoeknow.com/homepage/10）或课程二维码进行访问哦~

1、什么是 XML

XML 是一种用于表示结构化数据的文本文件格式。它被广泛应用于数据交换和存储，尤其在互联网和 Web 应用中。XML 的设计目标是传输和存储数据，使其易于阅读、理解和解析。它使用自定义标签来定义数据的结构和层次关系，类似于 HTML。然而，与 HTML 不同，XML 不是用于显示数据的样式和布局，而是强调数据的含义和结构。

XML 文件由一系列标签组成，每个标签包含一个元素，可以包含文本内容、属性和子元素。例如：

<?xml version="1.0" encoding="UTF-8"?><person> <name>张伟</name> <age>30</age> <email>zhangwei@example.com</email></person>

在上面的示例中，第一行是 XML 声明，定义 XML 的版本（1.0）和所使用的编码（UTF-8 : 可显示各种语言）。person 是一个顶级元素，它包含了 name、age 和email 三个子元素，每个子元素都包含相应的文本内容。

XML 文件可以通过各种编程语言和工具进行解析和处理。开发人员可以使用 XML 解析器读取 XML 文件，并根据标签和结构提取所需的数据。此外，XML 还支持 DTD（Document Type Definition）和 XML Schema 等机制，用于定义和验证 XML 文档的结构和规范。

首先，小编创建了一个记录有学生姓名、学号和语数英三科成绩的 XML 格式文件，并保存名为 “students” 的 XML 文件，内容如下：

<?xml version="1.0" encoding="UTF-8"?><class> <student> <name>张三</name> <id>10001</id> <grades> <subject>语文</subject> <grade>95</grade> </grades> <grades> <subject>数学</subject> <grade>90</grade> </grades> <grades> <subject>英语</subject> <grade>85</grade> </grades> </student> <student> <name>李四</name> <id>10002</id> <grades> <subject>语文</subject> <grade>85</grade> </grades> <grades> <subject>数学</subject> <grade>80</grade> </grades> <grades> <subject>英语</subject> <grade>90</grade> </grades> </student> <student> <name>王五</name> <id>10003</id> <grades> <subject>语文</subject> <grade>80</grade> </grades> <grades> <subject>数学</subject> <grade>100</grade> </grades> <grades> <subject>英语</subject> <grade>90</grade> </grades> </student></class>

接下来，本文小编将介绍如何使用 Python 读取上面的 XML 文件。

2、利用 Python 读取 XML 文件

使用 Python 读取和解析 XML 文件的方法有很多，下面小编将详细地介绍三种常用的方法。

（1）使用xml.etree.ElementTree模块

xml.etree.ElementTree 是 Python 标准库中的一个模块，提供了简单而高效的 API 来处理 XML 数据。使用该方法读取 XML 文件的代码如下：

# 导入 ElementTree 模块import xml.etree.ElementTree as ET# 加载 XML 文件tree = ET.parse('students.xml')root = tree.getroot()# 遍历学生节点for student in root.findall('student'): # 获取学生姓名和学号 name = student.find('name').text id = student.find('id').text print(f"学生姓名：{name}") print(f"学生学号：{id}") # 遍历成绩节点 for grades in student.findall('grades'): subject = grades.find('subject').text grade = grades.find('grade').text print(f"科目：{subject}") print(f"成绩：{grade}") print() # 输出文件内容

运行以上代码将输出每个学生的姓名、学号以及各科目的成绩，输出结果如下：

（2）使用xml.dom.minidom模块

xml.dom.minidom 模块是 Python 标准库中的一个轻量级 XML 解析器，可以使用它来解析 XML 文件并处理其中的数据。使用该方法读取 XML 文件的代码如下：

# 导入 minidom 模块import xml.dom.minidom as minidom# 加载 XML 文件doc = minidom.parse('students.xml')# 获取根节点root = doc.documentElement# 遍历学生节点students = doc.getElementsByTagName('student')for student in students: # 获取学生姓名和学号 name = student.getElementsByTagName('name')[0].firstChild.data id = student.getElementsByTagName('id')[0].firstChild.data print(f"学生姓名：{name}") print(f"学生学号：{id}") # 遍历成绩节点 grades = student.getElementsByTagName('grades') for grade in grades: subject =grade.getElementsByTagName('subject')[0].firstChild.data grade_value = grade.getElementsByTagName('grade')[0].firstChild.data print(f"科目：{subject}") print(f"成绩：{grade_value}") print() #输出文件内容

运行以上代码，输出结果如下：

（3）使用lxml模块

lxml是一个基于 C 的高性能 XML 解析库，提供了简单而强大的 API 来处理 XML 数据。使用该方法读取 XML 文件的代码如下：

# 导入 lxml 模块from lxml import etree# 加载 XML 文件tree = etree.parse('students.xml')root = tree.getroot()# 遍历学生节点for student in root.findall('student'): # 获取学生姓名和学号 name = student.find('name').text id = student.find('id').text print(f"学生姓名：{name}") print(f"学生学号：{id}") # 遍历成绩节点 for grades in student.findall('grades'): subject = grades.find('subject').text grade = grades.find('grade').text print(f"科目：{subject}") print(f"成绩：{grade}") print() # 输出文件内容

运行以上代码，输出结果如下：

以上是使用 Python 读取 XML 格式文件的三种方法的介绍，它们都提供了加载 XML 文件、访问节点、获取节点文本内容等常见操作的功能，都具有良好的性能和易用性，具体选择哪种方法取决于个人的需求和偏好。

END

重磅福利！为了更好地服务各位同学的研究，爬虫俱乐部将在小鹅通平台上持续提供金融研究所需要的各类指标，包括上市公司十大股东、股价崩盘、投资效率、融资约束、企业避税、分析师跟踪、净资产收益率、资产回报率、国际四大审计、托宾Q值、第一大股东持股比例、账面市值比、沪深A股上市公司研究常用控制变量等一系列深加工数据，基于各交易所信息披露的数据利用Stata在实现数据实时更新的同时还将不断上线更多的数据指标。我们以最前沿的数据处理技术、最好的服务质量、最大的诚意望能助力大家的研究工作！相关数据链接，请大家访问：(https://appbqiqpzi66527.h5.xiaoeknow.com/homepage/10)或扫描二维码：

最后，我们为大家揭秘雪球网(https://xueqiu.com/)最新所展示的沪深证券和港股关注人数增长Top10。

对我们的推文累计打赏超过1000元，我们即可给您开具发票，发票类别为“咨询费”。用心做事，不负您的支持！

往期推文推荐