PythonのXML処理モジュール

XMLは「ExtensibleMarkupLanguage」の略です。これは主に、データが特定の構造を持つWebページで使用されます。開始タグと終了タグで定義された要素があります。タグは、<で始まり>で終わるマークアップ構造です。開始タグと終了タグの間の文字は、要素のコンテンツです。要素には、「子要素」と呼ばれる他の要素を含めることができます。

例

以下は、このチュートリアルで使用するXMLファイルの例です。

<?xml version="1.0"?>
<Tutorials>
   <Tutorial id="Tu101">
      <author>Vicky, Matthew</author>
      <title>Geo-Spatial Data Analysis</title>
      <stream>Python</stream>
      <price>4.95</price>
      <publish_date>2020-07-01</publish_date>
      <description>Learn geo Spatial data Analysis using Python.</description>
   </Tutorial>
   <Tutorial id="Tu102">
      <author>Bolan, Kim</author>
      <title>Data Structures</title>
      <stream>Computer Science</stream>
      <price>12.03</price>
      <publish_date>2020-1-19</publish_date>
      <description>Learn Data structures using different programming lanuages.</description>
   </Tutorial>
   <Tutorial id="Tu103">
      <author>Sora, Everest</author>
      <title>Analytics using Tensorflow</title>
      <stream>Data Science</stream>
      <price>7.11</price>
      <publish_date>2020-1-19</publish_date>
      <description>Learn Data analytics using Tensorflow.</description>
   </Tutorial>
</Tutorials>

xml.etree.ElementTreeを使用したxmlの読み取り

このモジュールは、xmlファイルのルートへのアクセスを提供し、その後、内部要素のコンテンツにアクセスできます。以下の例では、textという属性を使用して、それらの要素のコンテンツを取得します。

例

import xml.etree.ElementTree as ET
xml_tree = ET.parse('E:\\TutorialsList.xml')
xml_root = xml_tree.getroot()
# Header
print('Tutorial List :')
for xml_elmt in xml_root:
   for inner_elmt in xml_elmt:
      print(inner_elmt.text)

出力

上記のコードを実行すると、次の結果が得られます-

Tutorial List :
Vicky, Matthew
Geo-Spatial Data Analysis
Python
4.95
2020-07-01
Learn geo Spatial data Analysis using Python.
Bolan, Kim
Data Structures
Computer Science
12.03
2020-1-19
Learn Data structures using different programming lanuages.
Sora, Everest
Analytics using Tensorflow
Data Science
7.11
2020-1-19
Learn Data analytics using Tensorflow.

xml属性の取得

ルートタグで属性とその値のリストを取得できます。属性が見つかると、XMLツリーを簡単にナビゲートするのに役立ちます。

例

import xml.etree.ElementTree as ET
xml_tree = ET.parse('E:\\TutorialsList.xml')
xml_root = xml_tree.getroot()
# Header
print('Tutorial List :')
for movie in xml_root.iter('Tutorial'):
   print(movie.attrib)

出力

上記のコードを実行すると、次の結果が得られます-

Tutorial List :
{'id': 'Tu101'}
{'id': 'Tu102'}
{'id': 'Tu103'}

結果のフィルタリング

このモジュールのfindall（）関数を使用して、xmlツリーから結果をフィルタリングすることもできます。以下の例では、12.03の価格のチュートリアルのIDを見つけます。

例

import xml.etree.ElementTree as ET
xml_tree = ET.parse('E:\\TutorialsList.xml')
xml_root = xml_tree.getroot()
# Header
print('Tutorial List :')
for movie in xml_root.findall("./Tutorial/[price ='12.03']"):
   print(movie.attrib)

出力

上記のコードを実行すると、次の結果が得られます-

Tutorial List :
{'id': 'Tu102'}

DOMAPIを使用したXMLの解析

xml.domモジュールを使用してminidomオブジェクトを作成します。 minidomオブジェクトは、XMLファイルからDOMツリーをすばやく作成する単純なパーサーメソッドを提供します。サンプルフレーズは、minidomオブジェクトのparse（file [、parser]）関数を呼び出して、fileで指定されたXMLファイルをDOMツリーオブジェクトに解析します。

例

from xml.dom.minidom import parse
import xml.dom.minidom

# Open XML document using minidom parser
DOMTree = xml.dom.minidom.parse('E:\\TutorialsList.xml')
collection = DOMTree.documentElement

# Get all the movies in the collection
tut_list = collection.getElementsByTagName("Tutorial")

print("*****Tutorials*****")
# Print details of each Tutorial.
for tut in tut_list:

   strm = tut.getElementsByTagName('stream')[0]
   print("Stream: ",strm.childNodes[0].data)

   prc = tut.getElementsByTagName('price')[0]
   print("Price: ", prc.childNodes[0].data)

出力

上記のコードを実行すると、次の結果が得られます-

*****Tutorials*****
Stream: Python
Price: 4.95
Stream: Computer Science
Price: 12.03
Stream: Data Science
Price: 7.11