Python使用ElementTree处

2023-01-31 06:25

短信预约 -IT技能 免费直播动态提醒

原文出处：https://www.cnblogs.com/zqchen/articles/3936805.html

ElementTree是Python常用的处理XML文件的类。下面将介绍使用ElementTree解析、查找、修改XML的方法。

一、引用方法

ElementTree所在文件保存在Lib/xml/etree/ElementTree.py，所以我们通过下面的代码引用它，之后就可以使用ET.来访问ElementTree中的函数。

import xml.etree.ElementTree as ET

二、一个XML例子

下面所有的操作都将下面这段XML为例，我们将它保存为sample.xml。

<?xml version="1.0"?><data>
    <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>

先对XML的格式做一些说明：

Tag：使用<和>包围的部分，如成为start-tag，是end-tags；
Element：被Tag包围的部分，如68，可以认为是一个节点，它可以有子节点；
Attribute：在Tag中可能存在的name/value对，如中的name="Liechtenstein"，一般表示属性。

三、解析XML

读入XML数据

首先读入XML，有两种途径，从文件读入和从字符串读入。
从文件读入：

import xml.etree.ElementTree as ET
tree = ET.parse('sample.xml')
root = tree.getroot()

从字符串读入：

root = ET.fromstring(sample_as_string)

tree和root分布是ElementTree中两个很重要的类的对象：

ElementTree
Element

查看Tag和Attribute

这时得到的root是一个指向Element对象，我们可以通过查看root的tag和attrib来验证这一点：

>>> root.tag'data'>>> root.attrib
{}

上面的代码说明了查看一个Element的Tag和Attribute的方法，Tag是一个字符串，而Attribute得到的是一个字典。

另外，还可以使用

Element.get(AttributeName)

来代替Element.attrib[AttributeName]来访问。

查看孩子

root.attrib返回的是一个空字典，如果看root的孩子，可以得到非空的attrib字典。

1、使用for...in...访问

for child in root:    print child.tag, child.attrib

得到

country {'name': 'Liechtenstein'}
country {'name': 'Singapore'}
country {'name': 'Panama'}

2、使用下标访问

如:

>>> print root[0].tag
country>>> print root[0][0].tag
rank

3、使用Tag名称访问

下标访问的方法虽然简单，但是在未知XML具体结构的时候并不适用，通过Tag名称访问的方法更具有普适性。这里用到Element类的几个函数，分别是

Element.iter()
Element.findall()
Element.find()

这两个函数使用的场景有所差异：
Element.iter()用来寻找所有符合要求的Tag，注意，这里查找的范围是所有孩子和孩子的孩子 and so on。如果查看所有的year，可以使用下面的代码：

for neighbor in root.iter('year'):    print neighbor.text

2008
2011
2011

Element.findall()只查找直接的孩子，返回所有符合要求的Tag的Element，而Element.find()只返回符合要求的第一个Element。如果查看Singapore的year的值，可以使用下面的代码：

for country in root.findall('country'):        if country.attrib['name'] == 'Singapore':
            year = country.find('year')  # 使用Element.find()
            print year.text

for country in root.findall('country'):        if country.attrib['name'] == 'Singapore':
            years = country.findall('year')  # 使用Element.findall()
            print years[0].text  # 注意和上段的区别

查看Element的值

我们可以直接用Element.text来得到这个Element的值。

四、修改XML

前面已经介绍了如何获取一个Element的对象，以及查看它的Tag、Attribute、值和它的孩子。下面介绍如何修改一个Element并对XML文件进行保存

修改Element

修改Element可以直接访问Element.text。
修改Element的Attribute，也可以用来新增Attribute：

Element.set('AttributeName','AttributeValue')

新增孩子节点：

Element.append(childElement)

删除孩子节点：

Element.remove(childElement)

保存XML

我们从文件解析的时候，我们用了一个ElementTree的对象tree，在完成修改之后，还用tree来保存XML文件。

tree.write('output.xml')

构建XML

ElementTree提供了两个静态函数（直接用类名访问，这里我们用的是ET）可以很方便的构建一个XML，如：

root = ET.Element('data') 
    country = ET.SubElement(root,'country', {'name':'Liechtenstein'})
    rank = ET.SubElement(country,'rank')
    rank.text = '1'
    year = ET.SubElement(country,'year')
    year.text = '2008'
    ET.dump(root)

就可以得到

12008

五、XPath支持

XPath表达式用来在XML中定位Element，下面给一个例子来说明：

import xml.etree.ElementTree as ET

root = ET.fromstring(countrydata)# Top-level elementsroot.findall(".")# All 'neighbor' grand-children of 'country' children of the top-level# elementsroot.findall("./country/neighbor")# Nodes with name='Singapore' that have a 'year' childroot.findall(".//year/..[@name='Singapore']")# 'year' nodes that are children of nodes with name='Singapore'root.findall(".//*[@name='Singapore']/year")# All 'neighbor' nodes that are the second child of their parentroot.findall(".//neighbor[2]")