研一小姑娘教你用python读取xml文件

读研以来，我的导师给我布置了一些论文的学习作业，在学习过程中，获取数据是运行代码的首要步骤，有时，论文所给出的格式并不是平时常用的excel，csv等，今天，我就来给大家分享一下关于用python读取xml文件的方法~

由于我的研究方向是生物统计学，因此会大量用到关于生物、医学方面的数据，HPA数据库（Human Protein Atlas）就是一个常用的蛋白质数据库，它是一个开源网站，里面包含大量免疫组化细胞（IHC）图像。

话不多说，上代码：

#!/usr/bin/python

# -*- coding: UTF-8 -*-

from xml.dom.minidom import parse

import xml.dom.minidom

# 使用minidom解析器打开 XML 文档

DOMTree = xml.dom.minidom.parse("C:\\Users\\Administrator\\Desktop\\ENSG00000106631.xml")

#返回文档的根结点

root1 = DOMTree.documentElement

#观察文件发现，内容都在image元素下

ContentNodes = root1.getElementsByTagName("image")

#定义一个字符串，保存解析出的数据

content = ""

#遍历所有的image

for i in range(len(ContentNodes)):

#获取第i个image下的子节点

SonNodes = ContentNodes[i].childNodes

#遍历image下的所有子节点

for j in range(len(SonNodes)):

print(SonNodes[j].nodeName)

#获取所有image下的所有子节点名字

#text是内容 要去掉，

if(SonNodes[j].nodeName!="#text"):

content += SonNodes[j].firstChild.data

#获取所有image下的值，不包含在image子节点的值

if(ContentNodes[i].childNodes[j].nodeValue!=None):

content += ContentNodes[i].childNodes[j].nodeValue

print(content)

在读取xml文件时，注意xml文件的路径写法，同时还要分清其中的标签层次，以上代码适合读取占用空间较小的文件，如果要读取1G以上的xml文件，建议分割后再读取哦~