正如我說的，實際解析一個 XML 文檔是非常簡單的：只要一行代碼。從這里出發到哪兒去就是你自己的事了。
例 9.8. 載入一個 XML 文檔 (這次是真的)
>>> from xml.dom import minidom 
>>> xmldoc = minidom.parse('~/diveintopython/common/py/kgp/binary.xml') 
>>> xmldoc 
<xml.dom.minidom.Document instance at 010BE87C>
>>> print xmldoc.toxml() 
<?xml version="1.0" ?>
<grammar>
<ref id="bit">
<p>0</p>
<p>1</p>
</ref>
<ref id="byte">
<p><xref id="bit"/><xref id="bit"/><xref id="bit"/><xref id="bit"/>\
<xref id="bit"/><xref id="bit"/><xref id="bit"/><xref id="bit"/></p>
</ref>
</grammar>
|
|
正如在上一節看到的，該語句從 xml.dom 包中導入 minidom 模塊。
|
|
|
這就是進行所有工作的一行代碼：minidom.parse 接收一個參數并返回 XML 文檔解析后的表示形式。這個參數可以是很多東西；在本例中，它只是我本地磁盤上一個 XML 文檔的文件名。(你需要將路徑改為指向下載的例子所在的目錄。) 但是你也可以傳入一個文件對象，或甚至是一個類文件對象。這樣你就可以在本章后面好好利用這一靈活性了。
|
|
|
從 minidom.parse 返回的對象是一個 Document 對象，它是 Node 類的一個子對象。這個 Document 對象是聯鎖的 Python 對象的一個復雜樹狀結構的根層次，這些 Python 對象完整表示了傳給 minidom.parse 的 XML 文檔。
|
|
|
toxml 是 Node 類的一個方法 (因此可以在從 minidom.parse 中得到的 Document 對象上使用)。toxml 打印出了 Node 表示的 XML。對于 Document 節點，這樣就會打印出整個 XML 文檔。
|
現在內存中已經有了一個 XML 文檔了，你可以開始遍歷它了。
例 9.9. 獲取子節點
>>> xmldoc.childNodes
[<DOM Element: grammar at 17538908>]
>>> xmldoc.childNodes[0]
<DOM Element: grammar at 17538908>
>>> xmldoc.firstChild
<DOM Element: grammar at 17538908>
|
|
每個 Node 都有一個 childNodes 屬性，它是一個 Node 對象的列表。一個 Document 只有一個子節點，即 XML 文檔的根元素 (在本例中，是 grammar 元素)。
|
|
|
為了得到第一個 (在本例中，只有一個) 子節點，只要使用正規的列表語法。回想一下，其實這里沒有發生什么特別的；這只是一個由正規 Python 對象構成的正規 Python 列表。
|
|
|
鑒于獲取某個節點的第一個子節點是有用而且常見的行為，所以 Node 類有一個 firstChild 屬性，它和childNodes[0]具有相同的語義。(還有一個 lastChild 屬性，它和childNodes[-1]具有相同的語義。)
|
例 9.10. toxml 用于任何節點
>>> grammarNode = xmldoc.firstChild
>>> print grammarNode.toxml()
<grammar>
<ref id="bit">
<p>0</p>
<p>1</p>
</ref>
<ref id="byte">
<p><xref id="bit"/><xref id="bit"/><xref id="bit"/><xref id="bit"/>\
<xref id="bit"/><xref id="bit"/><xref id="bit"/><xref id="bit"/></p>
</ref>
</grammar>
|
|
由于 toxml 方法是定義在 Node 類中的，所以對任何 XML 節點都是可用的，不僅僅是 Document 元素。
|
例 9.11. 子節點可以是文本
>>> grammarNode.childNodes
[<DOM Text node "\n">, <DOM Element: ref at 17533332>, \
<DOM Text node "\n">, <DOM Element: ref at 17549660>, <DOM Text node "\n">]
>>> print grammarNode.firstChild.toxml()
>>> print grammarNode.childNodes[1].toxml()
<ref id="bit">
<p>0</p>
<p>1</p>
</ref>
>>> print grammarNode.childNodes[3].toxml()
<ref id="byte">
<p><xref id="bit"/><xref id="bit"/><xref id="bit"/><xref id="bit"/>\
<xref id="bit"/><xref id="bit"/><xref id="bit"/><xref id="bit"/></p>
</ref>
>>> print grammarNode.lastChild.toxml() 
|
|
查看 binary.xml 中的 XML ，你可能會認為 grammar 只有兩個子節點，即兩個 ref 元素。但是你忘記了一些東西：硬回車！在'<grammar>'之后，第一個'<ref>'之前是一個硬回車，并且這個文本算作 grammar 元素的一個子節點。類似地，在每個'</ref>'之后都有一個硬回車；它們都被當作子節點。所以grammar.childNodes實際上是一個有5個對象的列表：3個 Text 對象和兩個 Element 對象。
|
|
|
第一個子節點是一個 Text 對象，它表示在'<grammar>'標記之后、第一個'<ref>'標記之后的硬回車。
|
|
|
第二個子節點是一個 Element 對象，表示了第一個 ref 元素。
|
|
|
第四個子節點是一個 Element 對象，表示了第二個 ref 元素。
|
|
|
最后一個子節點是一個 Text 對象，表示了在'</ref>'結束標記之后、'</grammar>' 結束標記之前的硬回車。
|
例 9.12. 把文本挖出來
>>> grammarNode
<DOM Element: grammar at 19167148>
>>> refNode = grammarNode.childNodes[1]
>>> refNode
<DOM Element: ref at 17987740>
>>> refNode.childNodes
[<DOM Text node "\n">, <DOM Text node " ">, <DOM Element: p at 19315844>, \
<DOM Text node "\n">, <DOM Text node " ">, \
<DOM Element: p at 19462036>, <DOM Text node "\n">]
>>> pNode = refNode.childNodes[2]
>>> pNode
<DOM Element: p at 19315844>
>>> print pNode.toxml()
<p>0</p>
>>> pNode.firstChild
<DOM Text node "0">
>>> pNode.firstChild.data
u'0'
|
|
正如你在前面的例子中看到的，第一個 ref 元素是 grammarNode.childNodes[1]，因為 childNodes[0] 是一個代表硬回車的 Text 節點。
|
|
|
ref 元素有它自己的子節點集合，一個表示硬回車，另一個表示空格，一個表示 p 元素，諸如此類。
|
|
|
你甚至可以在這里使用 toxml 方法，盡管它深深嵌套在文檔中。
|
|
|
p 元素只有一個子節點 (在這個例子中無法看出，但是如果你不信，可以看看pNode.childNodes)，而且它是表示單字符'0'的一個 Text 節點。
|
|
|
Text 節點的 .data 屬性可以向你提供文本節點真正代表的字符串。但是字符串前面的'u'是什么意思呢？答案將自己專門有一部分來論述。
|