Python 3 - Lernen und professionell anwenden

Kapitel 26

XML

726

26.5 Das Modul xml.dom.minidom

Das DOM (Document Object Model) ist ein Application Interface (API), eine Schnittstelle also

und somit ein Standard, der von der Implementierung in einer bestimmten Programmier-

sprache abstrahiert. Festgelegt werden im Prinzip lediglich die Namen von Klassen, Attributen

und Methoden und natürlich deren Bedeutung. Offen gelassen ist dagegen, wie die Methoden

implementiert werden. DOM ist sprachübergreifend, das heißt, z.B. auch in Java-Implemen-

tierungen werden Bezeichnungen wie

Element und getElementsByTagName() verwendet.

Man braucht also nicht umzulernen, wenn man die Programmiersprache wechselt.

Im Python-Modul

xml.dom.minidom sind die wichtigsten Features des DOM-Level 1 und

-Level 2 implementiert. Vieles ist weggelassen und einige Details sind zur Vereinfachung

etwas abgewandelt. So werden z.B. für Fehlermeldungen Python-Standardobjekte wie

ValueError an Stelle spezieller Fehlerobjekte aus dem DOM-Standard verwendet. Außer-

dem besitzen die Klassen des Moduls einige nützliche zusätzliche Methoden, die nicht im

DOM-Standard enthalten sind.

Der DOM-Standard und auch das bereits reduzierte Modul

xml.dom.minidom sind zu kom-

plex, um im Rahmen dieses Buches vollständig behandelt zu werden. Wir beschränken uns

auf einige Features der Klassen

Node, Document, Element und Text.

26.5.1 XML-Dokumente und DOM-Objekte

Eine XML-Anwendung enthält meist folgenden typischen Ablauf:

쐽 Erzeuge aus einem XML-Dokument ein DOM-Objekt (Parsing).

쐽 Verarbeite das DOM-Objekt (Daten herauslesen, neue Elemente einfügen, Elemente

verändern).

쐽 Erzeuge aus dem (geänderten) DOM-Objekt ein textuelles XML-Dokument, das man

z.B. speichern kann.

Werfen wir einen etwas genaueren Blick auf den Zusammenhang zwischen XML-Doku-

menten und DOM-Objekten. Abbildung 26.3 illustriert die Beziehung zwischen XML und

DOM anhand eines Ausschnitts aus dem Eingangsbeispiel.

Abb. 26.3: XML-Dokument und zugehöriges DOM-Objekt

<?xml version="1.0" ?>

<person>

<name>

Tom Kahlenbaum

</name>

<email>

[e-mail]

</email>

</person>

:Document

:Element

:Text

:Element

:Element

:Text

parse()

parseString()

.toxml()

.toprettyxml()

tagName = u'person'

data = u'[e-mail]'

tagName = u'name'

tagName = u'email'

data = u'Tom Kahlenbaum'

727

26.5

Das Modul xml.dom.minidom

Auf der linken Seite steht ein für Menschen lesbarer Text mit dem XML-Dokument und auf

der rechten Seite ein UML-Objektdiagramm, das das zugehörige DOM-Objekt beschreibt.

Dieses ist ein Aggregat aus Python-Objekten der Klassen

Document, Element und Text, die

im Modul

xml.dom.minidom definiert sind.

Das Modul

xml.dom.minidom enthält außerdem zwei Factory-Funktionen parse() und

parseString(), mit denen man aus einem XML-Text ein DOM-Objekt erzeugen kann

(Tabelle 26.1). Um umgekehrt aus dem DOM-Objekt ein XML-Dokument (Unicode-Zei-

chenkette) zu erhalten, verwendet man die Methoden

toxml() oder toprettyxml(). Letz-

tere Methode fügt Zeilenumbrüche und Einrückungen ein, so dass das Resultat besser

lesbar ist. Beide Methoden gehören nicht zum DOM-Standard.

Das Besondere ist, dass jeder Knoten der DOM-Struktur diese Methoden besitzt. Somit ist

es möglich, für Teilbäume eines DOM-Objektes eine textuelle XML-Darstellung zu gewin-

nen. Ein Methodenaufruf der Form

liefert das XML-Dokument, das durch den Teilbaum mit Wurzel

node repräsentiert wird.

Dieser Teilbaum ist der Knoten

node selbst und alle seine Nachkommen (Kinder, Kinder der

Kinder usw.). Der folgende Dialog illustriert dies:

node.toxml()

>>> xmldoc = """<?xml version="1.0" ?>

<person>

<name>Tom Kahlenbaum</name>

<email>[e-mail]</email>

</person>"""

>>> doc = parseString(xmldoc)

>>> print(doc.toxml()) # komplettes XML-Dokument

<?xml version="1.0" ?>

<person>

<name>Tom Kahlenbaum</name>

<email>[e-mail]</email>

</person>

>>> person = doc.documentElement

>>> print(person.toxml()) # Teilbaum mit Wurzel person

<person>

<name>Tom Kahlenbaum</name>

<email>[e-mail]</email>

</person>

>>> name = doc.getElementsByTagName("name")[0]

>>> print(name.toxml()) # Teilbaum mit Wurzel name

<name>Tom Kahlenbaum</name>