python解析xml文件
- 2019 年 10 月 10 日
- 筆記
本文目录：
前言关于XML解析结语
前言
本来今天准备学习下electron的，结果npm工具的安装真是费了劲，网速差的不得了。为了完成今天的日更，只能放弃，今天来谢谢python的xml解析吧。
昨天我们讲了Charles的安装与使用，而Charles抓到一条数据之后，我们想要把这条数据导出来用脚本分析，那么，Charles提供了导出（export）功能。导出的格式包括.chls/csv/trace/chlsx/chlsj/har格式。这里的chlsx其实就是一种xml格式，里面包含的内容比较全。
关于XML
- XML是一种可扩展标记语言（eXtensible Markup Language），主要被用来存储数据。
- XML是一种树状结构，每个节点被称作一个元素，元素有对应的属性（描述）。
<?xml version="1.0" encoding="UTF-8"?> <body> <name>efon</name> <sex>male</sex> <profession>SW Engineer</profession> </body>
解析
这里我们还是以抓取公众号文章列表页的一页数据为例。用Charles导出一页chlsx数据。
我们要从这个xml文件里获得Host|Referer|Cookie|url这几个动态信息。
- 我们用
sorted函数排序，找出时间最新的一个chlsx文件。
trace_list = sorted(glob.glob("out/*.chlsx"), key=os.path.getmtime, reverse=True)
- 这里xml的解析我们用到一个库
xml.dom.minidom，首先用parse读取这个xml文件； getElementsByTagName读取元素的内容；firstChild.data读取一个元素的属性（描述）；
DOMTree = xml.dom.minidom.parse(trace_list[0]) File = DOMTree.documentElement.getElementsByTagName('first-line')[0].firstChild.data headers = DOMTree.documentElement.getElementsByTagName("header") for header in headers: names = header.getElementsByTagName('name') if (names[0].firstChild.data == 'Host'): Host = header.getElementsByTagName('value')[0].firstChild.data elif(names[0].firstChild.data == 'Referer'): Referer = header.getElementsByTagName('value')[0].firstChild.data elif (names[0].firstChild.data == 'Cookie'): Cookie = header.getElementsByTagName('value')[0].firstChild.data
结语
好了，通过上面的步骤，我们便可以从xml文件里拿到我们想要的元素属性了。
公众号后台回复 “xml” 获取文中用到的xml文件和python解析源码。
一番雾语：就像表达是你的情绪的反映一样，表达方式反之也会影响情绪。
