Trac

Procesamiento fácil de XML con Python y Amara

A pesar de que la libreria estándar Python cuenta con herramientas y modulos para el procesamiento de
XML con SAX y DOM, muchos programadores han pensado que podrÃ-an existir formas más simples de
trabajar con XML. Amara es un conjunto de herramientas que sirven para facilitar el procesamiento de XML
usando Python. En este manual se da una breve introducción al uso de Amara para dichas tareas.

Instalación de Amara
Podemos instalar Amara de varias formas.

Instalación clásica (sin setuptools)

1. Descarga los archivos correspondientes a tu plataforma y versión de Python de
ftp://ftp.4suite.org/pub/Amara/
2. Ejecutar el instalador. Si se trata de la distribución de código fuente, es necesario ejecutar lo
siguiente:

python setup.py install

También hay ejecutables de Windows.

Nota: Amara depende de 4Suite, por lo tanto, si no está instalado el paquete 4Suite hay que seleccionar una
distribución allinone.

Instalación con setuptools

1. Si no tienes instalado setuptools puedes instalarlo descargando el siguiente script ez_setup.py y
ejecutando de la lÃ-nea de comandos:

python ez_setup.py −U setuptools

2. Ejecutar

easy_install Amara

De forma automática buscará el módulo más reciente y descargará los módulos necesarios.

Ejemplo 1. Uso de expresiones XPath

Vamos a partir de un archivo input.xml que contiene los datos de prueba que usaremos en los ejemplos. Se
trata de un documento XML que contiene datos de clientes.

<?xml version="1.0" encoding="iso−8859−1"?>

<clientes>
<cliente id="ibm" agregado="2003−06−20">
<nombre>International Bussines Machines</nombre>
<direccion>
<calle>8 Siempreviva</calle>
<ciudad>Silicon Valley</ciudad>
<provincia>California</provincia>
</direccion>

Procesamiento fácil de XML con Python y Amara 1

 Trac
<lema>
<emph>Vende todo</emph> lo que puedas
</lema>
</cliente>
<cliente id="bk" agregado="2003−06−10">
<nombre>Burguer King</nombre>
<direccion>
<calle>45 Santa Ursula</calle>
<ciudad>Chicago</ciudad>
<provincia>Illinois</provincia>
</direccion>
<lema>
A la parrilla sabe mejor
</lema>
</cliente>
<!−− Agregar 10,000 registros como este −−>
<cliente id="so" agregado="2004−11−01">
<nombre>Sony</nombre>
<direccion>
<calle>10 Takataka
</calle>
<ciudad>Tokyo</ciudad>
<provincia>Tokyo</provincia>
</direccion>
</cliente>
</clientes>

El siguiente programa utiliza la expresión XPath /clientes/cliente para obtener los datos de todos los clientes
que aparecen en el documento.

Posteriormente se obtiene el nombre y ciudad de cada uno, y se imprimen a la consola. Los datos de entrada
son le dos del archivo indicado por el parámetro source:

import amara
for fragDom in amara.pushdom(source='input.xml', xpatterns=u"/clientes/cliente"):
label = fragDom.firstChild #Obtener el primer hijo
nombre = label.xpath('string(nombre)') #obtener el elemento nombre
ciudad = label.xpath('string(direccion/ciudad)') #obtener el elemento ciudad que forma parte
print nombre, 'de', ciudad

Nota: XPath es un lenguaje que permite seleccionar subconjuntos de un documento XML.

La salida del siguiente programa es:

International Bussines Machines de Silicon Valley

Burguer King de Chicago
Sony de Tokyo

Si se teme que el consumo de memoria sea muy elevado para documentos muy grandes, como ocurre con
DOM, no hay nada de que preocuparse, pues domtools.pushdom es un generador que proporciona un
fragmento del documento DOM a cada pasada del ciclo, de manera que el documento original no es procesado
entero, sino en una serie de sub árboles de acuerdo al patrón /clientes/cliente proporcionado.

Ejemplo 2: Uso de bindings

El siguiente ejemplo simplifica mucho las cosas. Después de leer y analizar el archivo de entrada
(input.xml), Amara crea un conjunto de objetos Python que reflejan la estructura del documento XML (a este

Ejemplo 1. Uso de expresiones XPath 2

 Trac
proceso se le llama binding). Con ello el documento puede ser procesado usando instrucciones Python. El
objeto contenedor representa el nodo raÃ-z del documento en cuestión.{{{ #!python import amara contenido
= amara.parse('input.xml') #se hace binding del archivo for cli in contenido.clientes.cliente: #para cada cliente

print cli.nombre, 'de', cli.direccion.ciudad}}} La salida es la misma que la del

primer ejemplo:

International Bussines Machines de Silicon Valley

Burguer King de Chicago
Sony de Tokyo

Ejemplo 3: Binding eficiente

A pesar de su sencillez, el ejemplo anterior podrÃ-a presentar problemas de eficiencia en el uso de memoria al
tratar con documentos XML grandes, ya que se crear a una gran cantidad de objetos Python para poder
representar el documento. Es por ello que Amara ofrece una forma mas adecuada de realizar algo similar,
tomando el enfoque usado por el primer ejemplo. El siguiente código hace uso de la función pushbind, que
es un generador de sub árboles que evita tener que crear de una sola vez los objetos:

import amara
for subArbol in amara.pushbind(source='input.xml', xpatterns=u'/clientes/cliente'):
print subArbol.nombre, 'de', subArbol.direccion.ciudad

La salida de la ejecución del programa anterior seria:

International Bussines Machines de Silicon Valley

Burguer King de Chicago
Sony de Tokyo

Ejemplo 4: Modificación de Documentos XML

El siguiente ejemplo agrega un nuevo elemento <lema> al cliente con el identificador id="so", y cambia su
fecha de última modificación.

import amara
import datetime

contenedor = amara.parse('input.xml')
#Se va a agregar este lema a Sony
texto_nuevo_lema = u'Life is good.'
#id de Sony
id = 'so'

#se obtiene una lista de clientes que tengan el id deseado

cliente_sony = [ label for label in contenedor.clientes.cliente
if label.id == 'so' ]

#sabemos que solo hay uno

cliente_sony = cliente_sony[0]
#Se agrega el nuevo elemento (lema) al final
cliente_sony.xml_append(contenedor.xml_create_element(u'lema', None))

#Se agrega de manera sencilla el texto del lema

cliente_sony.lema.xml_children.append(texto_nuevo_lema)

Ejemplo 2: Uso de bindings 3

 Trac
#Se cambia la fecha de modificacion de ese cliente
cliente_sony.agregado = unicode(datetime.date.today())

#se imprime el documento XML ya modificado

print contenedor.xml()

La salida obtenida al ejecutarlo es la siguiente:

<?xml version="1.0" encoding="UTF−8"?>

<clientes>
<cliente agregado="2003−06−20" id="ibm">
<nombre>International Bussines Machines</nombre>
<direccion>
<calle>8 Siempreviva</calle>
<ciudad>Silicon Valley</ciudad>
<provincia>California</provincia>
</direccion>
<lema>
<emph>Vende todo</emph> lo que puedas
</lema>
</cliente>
<cliente agregado="2003−06−10" id="bk">
<nombre>Burguer King</nombre>
<direccion>
<calle>45 Santa Ursula</calle>
<ciudad>Chicago</ciudad>
<provincia>Illinois</provincia>
</direccion>
<lema>
A la parrilla sabe mejor
</lema>
</cliente>
<!−− Agregar 10,000 registros como este −−>
<cliente agregado="2006−08−09" id="so">
<nombre>Sony</nombre>
<direccion>
<calle>10 Takataka
</calle>
<ciudad>Tokyo</ciudad>
<provincia>Tokyo</provincia>
</direccion>
<lema>
Life is good.
</lema></cliente>
</clientes>

Autor: César Cárdenas Desales

Corregido y actualizado: Luis Miguel Morillas

Basado en el manual de Uche Ogbuji "Introducing the Amara XML Toolkit"

Fecha de Última Actualización: 9 ago 2006

Ejemplo 4: Modificación de Documentos XML 4