使用 Python ElementTree 库高效提取 XML 标签属性列表

本文详细介绍了如何使用 python 标准库 `xml.etree.elementtree` 解析 xml 文件，并从特定标签（如 `sourcefield`）中提取所有属性，将其组织成一个 python 字典列表。教程涵盖了 xml 文件加载、元素遍历、属性访问以及最终数据结构的构建，旨在提供一个清晰、专业的解决方案，帮助开发者高效处理 xml 数据。

XML 属性提取概述

在数据处理和系统集成中，XML 是一种常见的数据交换格式。有时，我们需要从 XML 文件中提取特定元素的属性信息，并将其整理成易于在 Python 中操作的数据结构，例如字典列表。Python 的 xml.etree.ElementTree 模块提供了一个轻量级且高效的 API 来实现这一目标。

本教程将演示如何解析一个包含嵌套标签的 XML 文件，并从中定位到特定的 SOURCEFIELD 标签，然后将其所有属性收集到一个列表中，其中每个标签的属性都表示为一个字典。

使用 ElementTree 解析 XML 文件

首先，我们需要导入 xml.etree.ElementTree 模块，并加载目标 XML 文件。

import xml.etree.ElementTree as ET
import os # 用于路径操作和文件存在性检查

# 定义 XML 文件路径
xml_file_path = 'C:\Users\dd00849401\Desktop\xml\m_DM_DIM_NRC_CUSTOMER.xml'

# 检查文件是否存在
if not os.path.exists(xml_file_path):
    print(f"错误：文件 '{xml_file_path}' 不存在。")
    exit()

try:
    # 解析 XML 文件
    tree = ET.parse(xml_file_path)
    # 获取 XML 文件的根元素
    root = tree.getroot()
    print("XML 文件加载成功。")
except ET.ParseError as e:
    print(f"错误：XML 文件解析失败 - {e}")
    exit()
except Exception as e:
    print(f"发生未知错误：{e}")
    exit()

上述代码首先检查文件路径的有效性，然后尝试解析 XML 文件并获取其根元素。这是所有后续操作的基础。

立即学习“Python免费学习笔记（深入）”；

LuckyCola工具库

LuckyCola工具库是您工作学习的智能助手，提供一系列AI驱动的工具，旨在为您的生活带来便利与高效。

19

查看详情

遍历元素并提取属性

要从特定标签（如 SOURCEFIELD）中提取属性，我们需要遍历 XML 树。ElementTree 提供了 iter() 方法，可以递归地遍历当前元素及其所有子孙元素，查找指定标签。

关键在于，我们需要在遍历 SOURCEFIELD 标签时，将其属性字典收集到一个预先定义好的空列表中。

# 初始化一个空列表，用于存储所有 SOURCEFIELD 标签的属性
sourcefields_attributes = []

print("
*********** 正在提取 SOURCE 详细信息 ***********")

# 遍历所有 'SOURCE' 标签
for source in root.iter('SOURCE'):
    # 获取 SOURCE 标签的 NAME 属性
    sourcename = source.attrib.get('NAME', '未知来源') # 使用 .get() 避免键不存在时报错
    print(f"
来源名称: {sourcename}")
    print(f"*********** 来源 '{sourcename}' 的详细属性: ***********")
    print(source.attrib)

    print(f"*********** 来源 '{sourcename}' 的字段列属性: ***********")
    # 遍历当前 SOURCE 标签下的所有 'SOURCEFIELD' 标签
    for sourcefield in source.iter("SOURCEFIELD"):
        # 打印当前 SOURCEFIELD 标签的属性
        print(sourcefield.attrib)
        # 将当前 SOURCEFIELD 标签的所有属性（字典形式）添加到列表中
        sourcefields_attributes.append(sourcefield.attrib)

# 打印最终收集到的所有 SOURCEFIELD 属性列表
print("
*********** 所有 SOURCEFIELD 属性的最终列表 ***********")
print(sourcefields_attributes)

代码解析与注意事项

1. sourcefields_attributes = []: 这是核心。在任何循环之外初始化一个空列表，确保每次运行程序时都是从一个干净的列表开始收集数据。
2. root.iter('SOURCE'): 这个方法用于迭代 XML 树中所有名为 SOURCE 的元素。iter() 是一个生成器，可以高效地处理大型 XML 文件。
3. source.attrib: 对于任何 Element 对象（如 source 或 sourcefield），attrib 属性是一个字典，包含了该元素的所有属性名和属性值。
4. source.attrib.get('NAME', '未知来源'): 使用字典的 get() 方法来访问属性是一个良好的实践。如果属性不存在，它会返回 None 或你指定的默认值（这里是 '未知来源'），而不是抛出 KeyError。
5. sourcefields_attributes.append(sourcefield.attrib): 在内层循环中，每次找到一个 SOURCEFIELD 元素时，我们将其 attrib 字典直接添加到 sourcefields_attributes 列表中。这样，列表的每个元素都是一个字典，代表一个 SOURCEFIELD 标签的属性集。

预期输出示例

根据上述代码，如果 XML 文件包含多个 SOURCEFIELD 标签，最终 sourcefields_attributes 列表的结构将如下所示：

[{'BUSINESSNAME': '', 'DATATYPE': 'varchar', 'DESCRIPTION': '', 'FIELDNUMBER': '1'},
 {'BUSINESSNAME': '', 'DATATYPE': 'numeric', 'DESCRIPTION': '', 'FIELDNUMBER': '2'},
 {'BUSINESSNAME': '', 'DATATYPE': 'timestamp', 'DESCRIPTION': '', 'FIELDNUMBER': '3'}]

总结

通过 xml.etree.ElementTree 模块，我们可以轻松地解析 XML 文件并提取所需的属性信息。关键在于理解 ET.parse()、element.iter() 和 element.attrib 的用法，并利用 Python 列表的 append() 方法将提取到的数据组织成一个方便后续处理的字典列表。这种方法不仅高效，而且代码简洁，是处理 XML 数据时常用的专业实践。在实际应用中，还应考虑更全面的错误处理和数据验证机制。

以上就是使用 Python ElementTree 库高效提取 XML 标签属性列表的详细内容，更多请关注php中文网其它相关文章！