【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text
    rank = 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.text
    print(rank_n)

打印结果如下：

Liechtenstein
Singapore
Panama

1
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, json

with 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 xmltodict

    with 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>

六、总结

前面对xml文件做了简单的学习，包括什么是xml，以及在python中怎么读取、操作和存储为xml文件。同时将机器友好的xml文件，转成对人友好的字典查看。xml确实不太好查看和解析，弄起来有些费劲啊。