Dominando Parsing XML em Python: Guia Prático com Minidom e ElementTree

O que é XML?

XML, ou eXtensible Markup Language, foi criado para armazenar e transportar dados estruturados eficientemente. É amplamente usado para troca de informações entre sistemas e aplicações.

Python fornece bibliotecas robustas para parsear e manipular documentos XML. No entanto, para parsear um arquivo XML, o documento inteiro deve primeiro ser carregado na memória. Neste tutorial demonstraremos como usar os módulos xml.dom.minidom e xml.etree.ElementTree do Python para ler, inspecionar e modificar arquivos XML.

Ao final deste guia você será capaz de:

• Parsear XML com minidom
• Criar novos nós XML
• Parsear XML com ElementTree

Parseando XML com minidom

Começaremos com um arquivo XML de exemplo contendo dados de funcionários. O arquivo parece assim:

Passo 1) O arquivo lista primeiro nome, último nome, casa e áreas de especialização como SQL, Python, Testing e Business.

Passo 2) Após carregar o documento, imprimiremos o nodeName do elemento raiz e o tagName de seu primeiro filho. Estas são propriedades padrão de um objeto DOM.

• Importe xml.dom.minidom e carregue o arquivo XML (myxml.xml).
• Parseie o arquivo com parse() para obter um objeto documento.
• Recupere e exiba o nodeName do documento e o tagName do primeiro filho.
• Use getElementsByTagName() para listar todos os elementos expertise e imprima cada habilidade.

Nota: Os valores nodeName e tagName seguem convenções de nomenclatura DOM XML, que podem ser desconhecidas se você é novo em XML.

Passo 3) Podemos extrair uma lista de todas as habilidades do documento. O código a seguir demonstra como reunir os nomes das habilidades em um set.

• Use getElementsByTagName("skill") para recuperar todos os elementos skill.
• Itere sobre a lista retornada e imprima o atributo name de cada skill.

Criando um Novo Nó XML

Adicionar novos dados a uma estrutura XML existente é simples com minidom. Em nosso exemplo, adicionaremos um novo nó expertise rotulado "BigData".

1. Crie o novo elemento com createElement("expertise") e defina seu atributo name.
2. Anexe o novo elemento ao filho raiz do documento.

• Após inserção, a lista expertise agora inclui a nova habilidade "BigData".

Exemplo de XML Parser

Exemplo Python 2

import xml.dom.minidom
def main():
    # Load and parse the XML file
    doc = xml.dom.minidom.parse("Myxml.xml")
    # Output root information
    print doc.nodeName
    print doc.firstChild.tagName
    # List existing expertise entries
    expertise = doc.getElementsByTagName("expertise")
    print "%d expertise:" % expertise.length
    for skill in expertise:
        print skill.getAttribute("name")
    # Add a new expertise entry
    newexpertise = doc.createElement("expertise")
    newexpertise.setAttribute("name", "BigData")
    doc.firstChild.appendChild(newexpertise)
    print " "
    # Verify addition
    expertise = doc.getElementsByTagName("expertise")
    print "%d expertise:" % expertise.length
    for skill in expertise:
        print skill.getAttribute("name")
if __name__ == "__main__":
    main()

Exemplo Python 3

import xml.dom.minidom
def main():
    # Load and parse the XML file
    doc = xml.dom.minidom.parse("Myxml.xml")
    # Output root information
    print(doc.nodeName)
    print(doc.firstChild.tagName)
    # List existing expertise entries
    expertise = doc.getElementsByTagName("expertise")
    print("%d expertise:" % expertise.length)
    for skill in expertise:
        print(skill.getAttribute("name"))
    # Add a new expertise entry
    newexpertise = doc.createElement("expertise")
    newexpertise.setAttribute("name", "BigData")
    doc.firstChild.appendChild(newexpertise)
    print(" ")
    # Verify addition
    expertise = doc.getElementsByTagName("expertise")
    print("%d expertise:" % expertise.length)
    for skill in expertise:
        print(skill.getAttribute("name"))
if __name__ == "__main__":
    main()

Parseando XML com ElementTree

ElementTree é uma API leve que torna manipulação XML simples e Pythonica. É ideal para ler arquivos XML grandes sem o overhead de um DOM completo.

Nossos dados XML de exemplo:

<data>
  <items>
    <item name="expertise1">SQL</item>
    <item name="expertise2">Python</item>
  </items>
</data>

Lendo XML com ElementTree:

Primeiro, importe o módulo:

import xml.etree.ElementTree as ET

Parseie o arquivo e obtenha o elemento raiz:

tree = ET.parse('items.xml')
root = tree.getroot()

Aqui está o código completo para exibir todos os nomes de habilidades:

import xml.etree.ElementTree as ET
tree = ET.parse('items.xml')
root = tree.getroot()
print('Expertise Data:')
for elem in root:
    for subelem in elem:
        print(subelem.text)

Saída:

Expertise Data:
SQL
Python

Resumo

Os módulos xml.dom.minidom e xml.etree.ElementTree do Python capacitam desenvolvedores a carregar, analisar e modificar documentos XML eficientemente. Enquanto minidom fornece representação DOM completa adequada para manipulações complexas, ElementTree oferece alternativa leve para parsing e extração diretas.

• Carregue XML com parse() (ex: doc = xml.dom.minidom.parse(file)).
• Use getElementsByTagName() para recuperar elementos.
• Crie e anexe novos nós com createElement() e appendChild().
• Com ElementTree, simplesmente itere sobre elementos filhos para acessar dados.