Cara menggunakan ungkapan biasa Python untuk pemprosesan XML

Dalam senario pemprosesan data harian, pemprosesan data dalam format yang berbeza memerlukan kaedah penghuraian yang berbeza. Untuk data dalam format XML, kita boleh menggunakan ungkapan biasa dalam Python untuk menghurai. Artikel ini akan memperkenalkan idea asas dan kaedah menggunakan ungkapan biasa Python untuk pemprosesan XML.

1. Pengenalan asas XML

XML (Extensible Markup Language) ialah bahasa penanda yang digunakan untuk menerangkan data. Ciri penting XML ialah anda boleh menyesuaikan teg, yang menjadikan data format XML lebih fleksibel dan boleh menyesuaikan diri dengan pelbagai keperluan format data.

Teg XML dibalut dengan kurungan sudut (6d267e5fab17ea8bc578f9e7e5e1570b), seperti 8bf259f5a6144433b921fb8b7de94970. Setiap dokumen XML mesti mempunyai nod akar, yang boleh mengandungi sebarang nombor dan jenis elemen. Struktur asas dokumen XML adalah seperti berikut:

<?xml version="1.0" encoding="UTF-8"?>
<root>
    <element1>
        <subelement1>value1</subelement1>
        <subelement2>value2</subelement2>
    </element1>
    <element2>
        <subelement3>value3</subelement3>
    </element2>
</root>

2. Ekspresi biasa Python

Ekspresi biasa ialah alat yang digunakan untuk memadankan rentetan sintaks. Modul semula dalam Python menyediakan fungsi yang menyokong ungkapan biasa.

• re.match(corak, rentetan, bendera=0) Mula memadankan dari kedudukan permulaan rentetan (iaitu aksara pertama) dan mengembalikan objek Padanan. Jika perlawanan gagal, Tiada dikembalikan.
• re.search(corak, rentetan, bendera=0) Cari dalam rentetan dan kembalikan objek Padanan yang pertama. Jika perlawanan gagal, Tiada dikembalikan.
• re.findall(corak, rentetan, bendera=0) Memadankan semua subrentetan yang sepadan dalam rentetan dan mengembalikan senarai. Jika tiada padanan ditemui, senarai kosong dikembalikan.

3. Gunakan ungkapan biasa untuk menghuraikan XML

Dalam pemprosesan XML, kami biasanya menggunakan ungkapan biasa untuk menghuraikan elemen dan atribut dalam XML. Berikut ialah contoh khusus:

import re

xml_text = '''
<root>
    <person name="Tom" age="20">
        <job>Engineer</job>
    </person>
    <person name="Alice" age="25">
        <job>Doctor</job>
    </person>
</root>
'''

# 正则表达式
person_pattern = '<person.+?name="(.+?)".+?age="(.+?)".*?>.+?<job>(.*?)</job>.+?</person>'

# 使用search函数匹配字符串
result = re.findall(person_pattern, xml_text, re.S)
for person in result:
    name, age, job = person
    print("name:{}, age:{}, job:{}".format(name, age, job))

Dalam kod di atas, teks format XML pertama kali ditakrifkan, dan kemudian ungkapan biasa ditakrifkan untuk memadankan elemen orang dan atributnya. Dengan menggunakan fungsi padanan re.findall, semua keputusan padanan diperolehi.

Dalam contoh ini, kami menggunakan ungkapan biasa yang lebih kompleks. Dalam ungkapan biasa:

• .+? sepadan dengan mana-mana watak dan tidak tamak padanan untuk menghalang unsur orang lain daripada disertakan.
• .?? sepadan dengan tanda tanya.
• .*? sepadan dengan mana-mana watak, padanan tidak tamak untuk mengelakkan teg berlebihan.
• (.+?) mentakrifkan kumpulan penangkapan yang mewakili atribut yang dihuraikan atau maklumat teks.
• s sepadan dengan mana-mana aksara ruang putih.
• cb884f44f2f1937276917c04c3676183 sepadan dengan teg penutup.

Dengan cara ini, kita boleh menghuraikan elemen dan atribut yang ditentukan dalam data XML dengan mudah.

4. Nota

Apabila menggunakan ungkapan biasa Python untuk pemprosesan XML, kita perlu memberi perhatian kepada perkara berikut:

• Gunakan bukan- tamak Padanan corak dilakukan untuk mengelakkan menghuraikan elemen dan teg yang berlebihan dan menyebabkan ralat.
• Memandangkan XML boleh disarangkan, julat padanan perlu ditetapkan untuk mengelakkan penghuraian kandungan nod berbeza ke dalam kandungan nod yang sama secara salah.
• Ungkapan biasa Python sepadan dengan rentetan, jadi teks XML perlu ditukar menjadi rentetan untuk operasi.
• Untuk fail XML yang kompleks, adalah disyorkan untuk menggunakan alat pemprosesan XML profesional, seperti lxml.

5. Ringkasan

Ekspresi biasa Python ialah alat pemprosesan teks yang berkuasa yang boleh digunakan untuk menghuraikan data dalam pelbagai format, termasuk data format XML. Dengan menggunakan ungkapan biasa, kami boleh menghuraikan elemen dan atribut dengan mudah dalam fail XML. Walau bagaimanapun, disebabkan kerumitan format XML, kita perlu berfikir dengan teliti dan menganalisisnya semasa pemprosesan untuk mengelakkan ralat padanan.

Atas ialah kandungan terperinci Cara menggunakan ungkapan biasa Python untuk pemprosesan XML. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!