【医学影像数据处理】 XML 文件格式处理汇总

xml（Extensible Markup Language，简称：XML）可扩展标记语言，是一种netconf配置文件的格式。是一种固有的分层数据格式，最自然的表示方式是解析成树状。但是，xml这样的标签数据，是面向“机器”识别的，是不利于“人类”识别的，所以看起来会比较的麻烦。

2003年5月成立了Netconf工作组，该工作组主要是为了提出一个全新的基于XML的网络配置（NETCONF）协议而成立的。

Python内置的API：xml.etree.ElementTree 可以解析xml文件。ElementTree将整个xml文档解析成树状结构， Element就表示这个树状结构中的单节点。

官方文件地址：The ElementTree XML API

后面举例以下面这个xml的文件形式展开，这也是官方给出的一个案例。xml文档实例如下：

xml文档实例如下：

<?xml version="1.0"?>
<data id="world country"><country name="Liechtenstein"><rank>1</rank><year>2008</year><gdppc>141100</gdppc><neighbor name="Austria" direction="E"/><neighbor name="Switzerland" direction="W"/></country><country name="Singapore"><rank>4</rank><year>2011</year><gdppc>59900</gdppc><neighbor name="Malaysia" direction="N"/></country><country name="Panama"><rank>68</rank><year>2011</year><gdppc>13600</gdppc><neighbor name="Costa Rica" direction="W"/><neighbor name="Colombia" direction="E"/></country>
</data>

一、xml 数据格式

Element常用属性对应的xml格式，如下：

<tag attrib=“netmiko_inventory”>text</tag>

例：

<device_type desc="platform">cisco_ios</device_type>tag       attrib         text       tag

其中：

1、 tag：是str对象，表示xml标签，例子中的前后闭合的device_type
2、 attrib：是一个dict对象，表示xml属性，例子中的desc="platform"
3、 text：是xml数据标签包裹的内容，也是Element的内容，例子中的 cisco_ios
4、 child elements：则是xml一对标签中包含的子集，如下图，类似于country 标签中包裹的内容

举例：

import xml.etree.ElementTree as ET# 读取、解析文件，获取跟元素
tree = ET.parse('sample.xml')
root = tree.getroot()# 获取根元素的标签名称以及所有属性
# data
print('root.tag:', root.tag)
print('root.attrib:', root.attrib)# 获取text
print(root[0][1].text)

输出结果：

root.tag: data
root.attrib: {'id': 'world country'}
2008

二、查找方法

Element有很丰富的查找方法，总结如下：

iter(tag=None)：遍历Element的child，可以指定tag精确查找；
findall(match) ：查找当前元素tag或path能匹配的child节点；
find(match) ：查找当前元素tag或path能匹配的第一个child节点；
get(key, default=None) ：获取元素指定key对应的attrib，如果没有attrib，返回default。

# 一次性获取所有名为 country 的元素、然后遍历
for country in root.findall('country'):# 获取 country 元素中的 name 属性name = country.get('name')# 寻找名为 rank 的子节点，获取其textrank = country.find('rank').text# 一次性获取所有名为 country 下 neighbor的元素、然后遍历neighbors = country.findall('neighbor')neighbor_name = []for neighbor in neighbors:n = neighbor.get('name')neighbor_name.append(n)print(name, rank, neighbor_name)

打印结果如下：

Liechtenstein 1 ['Austria', 'Switzerland']
Singapore 4 ['Malaysia']
Panama 68 ['Costa Rica', 'Colombia']

三、iter迭代器

Element使用iter迭代器可以递归地遍历它下面的所有child

# 一次性获取所有名为 country 的元素、然后遍历
for country in root.iter('country'):# 获取 country 元素中的 name 属性name = country.get('name')print(name)for rank in root.iter('rank'):# 获取 country 元素中的 name 属性rank_n = rank.textprint(rank_n)

打印结果如下：

Liechtenstein
Singapore
Panama1
4
68

四、xml数据转换成字典

xmltodict使用非常的简单，学习成本很低，可以快速的把xml格式的数据转换成字典，轻松进行数据二次加工。

代码如下：

import xmltodict, jsonwith open('sample.xml') as f:my_dict = xmltodict.parse(f.read())with open('info1.json', 'w') as f:json.dump(my_dict, f, sort_keys=False, indent=2)

打开info1.json查看，保存的内容如下：

{"data": {"@id": "world country","country": [{"@name": "Liechtenstein","rank": "1","year": "2008","gdppc": "141100","neighbor": [{"@name": "Austria","@direction": "E"},{"@name": "Switzerland","@direction": "W"}]},{"@name": "Singapore","rank": "4","year": "2011","gdppc": "59900","neighbor": {"@name": "Malaysia","@direction": "N"}},{"@name": "Panama","rank": "68","year": "2011","gdppc": "13600","neighbor": [{"@name": "Costa Rica","@direction": "W"},{"@name": "Colombia","@direction": "E"}]}]}
}

其中：

tag和attrib都会变成字典的key，例如，上面的data、id、country、name、rank等等；
但是，带有属性attrib的key，会自动加入@符号，其他不会；
key对应的value，会变成字符串形式。

五、保存成xml

xmltodict不仅可以将xml转为字典形式，还可以将字典转成xml形式，存储到本地，如下所示：

def saveXML():import xmltodictwith open('info.xml', 'w') as f:info_dict = {'dev_info': {'device_type': 'cisco_ios','username': 'admin','password': 'cisco','ip': '192.168.47.10'}}f.write(xmltodict.unparse(info_dict, pretty=True))

保存为xml文件后，打开查看结果如下：

<?xml version="1.0" encoding="utf-8"?>
<dev_info><device_type>cisco_ios</device_type><username>admin</username><password>cisco</password><ip>192.168.47.10</ip>
</dev_info>