XML解析库 lxml 教程(一)

简介

本系列文章主要讲解如何使用 Python3 的 lxml 库, 本篇和第二篇文章主要介绍Element对象的接口

Element 对象

工厂函数

在 XML或HTML 中每一处尖括号代表着一个标签或者元素, lxml 库为了方便操作, 封装了Element类, 通过Element对象可以很方便地操作 XML 的元素

创建 Element 对象

from lxml import etree

# 创建根元素
root = etree.Element("root")
# 查看标签名
print("root.tag: ", root.tag)

打印结果

root.tag:  root

添加 SubElement 对象, 组成有层级关系的 Elements

# 直接添加
root.append(etree.Element("child_1"))
# 通过工厂函数
child_2 = etree.SubElement(root, "child_2")
child_3 = etree.SubElement(root, "child_3")

将 Elements 序列化为 XML 树

xml_s = etree.tostring(root, pretty_print=True).decode('utf-8')
print("XML tree:", xml_s, sep='\n')

打印结果

XML tree:
<root>
  <child_1/>
  <child_2/>
  <child_3/>
</root>

没有子元素时, lxml 自动生成单标签

这样我们直接通过 lxml 库创建了一个 XML 文档

列表接口

每一个 Element 对象相当于一个列表容器, 其内容为直接子元素, 操作方法与内置列表很相似

索引

child = root[0]
print("root[0]:", child.tag)

root[0]: child_1

结果为首个添加的子元素

切片

# 切片 (仅包含 child_3)
root_slice = root[-1:]
print("slice:", type(root_slice))

slice: <class 'list'>

切片的结果为内置列表

列表方法

# 查找
idx = root.index(child)
print("child idx:", idx)
# 插入
root.insert(0, etree.Element("child_0"))
# 附加
# root.append(etree.Element("child_1")) 前面已经试过了
# 删除
del root[-1]
# 追加 (补回 child_3)
root.extend(root_slice)

child idx: 0

在 root 起始位置添加了 child_0, 随后删除了 child_3, 通过 extend 在末尾补回 child_3

遍历

for ele in root:
    print(ele.tag)

child_0
child_1
child_2
child_3

Element 对象与列表有一个细小的差别, Element 列表成员之间赋值, lxml 会删除赋值元素

root[0] = root[-1]
for ele in root:
    print(ele.tag)

child_3
child_1
child_2

最后一个元素的位置被删除了, 这么做是避免修改其中的一个元素, 另一个元素也会相应被修改

元素关系

父元素与相邻元素

print("parent:", root is child.getparent())
# root[1] 之前是 root[0]
print("before:", root[0] is root[1].getprevious())
# root[1] 之后是 root[2]
print("after: ", root[2] is root[1].getnext())

打印结果

parent: True
before: True
after:  True