python解析xml文件
- 2019 年 10 月 10 日
- 筆記
本文目錄：
前言關於XML解析結語
前言
本來今天準備學習下electron的，結果npm工具的安裝真是費了勁，網速差的不得了。為了完成今天的日更，只能放棄，今天來謝謝python的xml解析吧。
昨天我們講了Charles的安裝與使用，而Charles抓到一條數據之後，我們想要把這條數據導出來用腳本分析，那麼，Charles提供了導出（export）功能。導出的格式包括.chls/csv/trace/chlsx/chlsj/har格式。這裡的chlsx其實就是一種xml格式，裡面包含的內容比較全。
關於XML
- XML是一種可擴展標記語言（eXtensible Markup Language），主要被用來存儲數據。
- XML是一種樹狀結構，每個節點被稱作一個元素，元素有對應的屬性（描述）。
<?xml version="1.0" encoding="UTF-8"?> <body> <name>efon</name> <sex>male</sex> <profession>SW Engineer</profession> </body>
解析
這裡我們還是以抓取公眾號文章列表頁的一頁數據為例。用Charles導出一頁chlsx數據。
我們要從這個xml文件里獲得Host|Referer|Cookie|url這幾個動態資訊。
- 我們用
sorted函數排序，找出時間最新的一個chlsx文件。
trace_list = sorted(glob.glob("out/*.chlsx"), key=os.path.getmtime, reverse=True)
- 這裡xml的解析我們用到一個庫
xml.dom.minidom，首先用parse讀取這個xml文件； getElementsByTagName讀取元素的內容；firstChild.data讀取一個元素的屬性（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
結語
好了，通過上面的步驟，我們便可以從xml文件里拿到我們想要的元素屬性了。
公眾號後台回復 「xml」 獲取文中用到的xml文件和python解析源碼。
一番霧語：就像表達是你的情緒的反映一樣，表達方式反之也會影響情緒。
