python提取xml里面的链接源码详解

Python  /  管理员 发布于 7年前   234

因群里朋友需要提取xml地图里面的链接，就写了这个程序。

代码：

#coding=utf-8import urllibimport urllib.requestimport reurl='http://zhimo.yuanzhumuban.cc/sitemaps.xml'html=urllib.request.urlopen(url).read()html=html.decode('utf-8')r=re.compile(r'(http://zhimo.yuanzhumuban.cc.*?\.html)')big=re.findall(r,html)for i in big: print(i) op_xml_txt=open('xml.txt','a') op_xml_txt.write('%s\n'%i)

扩展阅读：

Python3提取xml文件中的内容

import xml.dom.minidomdef find_child(Par_nodes, mystr):  for child_node in Par_nodes:    if(len(child_node.childNodes) > 0):      mystr = find_child(child_node.childNodes, mystr)    elif(child_node.nodeValue != None):      mystr += child_node.data.replace('\n', '')  return mystrif __name__ == '__main__':  dom1 = xml.dom.minidom.parse('2.XML') #打开xml文件  root = dom1.documentElement     #得到文档元素对象  app_nums = root.getElementsByTagName('base:DocNumber') #按标签名称查找，返回标签结点数组  app_num = app_nums[2]  print('专利申请号：'+app_num.firstChild.data)  titles = root.getElementsByTagName('business:InventionTitle')  title = titles[0]  print('专利名称：'+title.firstChild.data)  Paragraphs = root.getElementsByTagName('base:Paragraphs')  abstract = Paragraphs[0]  print('专利摘要：'+abstract.firstChild.data)  company_names = root.getElementsByTagName('base:Name')  company_name = company_names[0]  print('公司名称：'+company_name.firstChild.data)  mystr = ''  for i in range(len(Paragraphs)):    if (Paragraphs[i].firstChild.data == '发明内容\n\t'):      i+=1      while Paragraphs[i].firstChild.data != '附图说明\n\t':        mystr = find_child(Paragraphs[i].childNodes, mystr)        i+=1  print('发明内容：' + mystr)

以上就是本次介绍的全部实例代码知识点，感谢大家的学习和的支持。