python之lxml快速上手_ElementTree（三）

The ElementTree class

ElementTree主要是作为一个包含根节点的“树(tree)”的文档包裹(document wrapper)。它提供了多个成对的序列化和常规文档处理方法：

>>> root = etree.XML('''\
... <?xml version="1.0"?>
... <!DOCTYPE root SYSTEM "test" [ <!ENTITY tasty "parsnips"> ]>
... <root>
...   <a>&tasty;</a>
... </root>
... ''')

>>> tree = etree.ElementTree(root)
>>> print(tree.docinfo.xml_version)
1.0
>>> print(tree.docinfo.doctype)
<!DOCTYPE root SYSTEM "test">

>>> tree.docinfo.public_id = '-//W3C//DTD XHTML 1.0 Transitional//EN'
>>> tree.docinfo.system_url = 'file://local.dtd'
>>> print(tree.docinfo.doctype)
<!DOCTYPE root PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "file://local.dtd">

你调用parse()方法（只需传递参数：文件(files)、或类文件对象(file-like object)）所获取的结果也是一个ElementTree。
很重要的一个的不同是，ElementTree是作为一个完整的文档来序列化的。这其中包括processing instructions（处理指令）、comments（注释）、以及DOCTYPE （文档声明）和其他DTD的内容。

>>> print(etree.tostring(tree))  # lxml 1.3.4 and later
<!DOCTYPE root PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "file://local.dtd" [
<!ENTITY tasty "parsnips">
]>
<root>
  <a>parsnips</a>
</root>

在最初的xml.etree.ElementTree实现中，直到lxml 1.3.3，当你仅仅序列化根节点元素时，输出看起来是一样的：

>>> print(etree.tostring(tree.getroot()))
<root>
  <a>parsnips</a>
</root>

序列化行为在lxml 1.3.4中已经发生了改变。之前，“树”的序列化是不包含DTD内容的，这也使得lxml在输入输出循环中丢失了DTD信息。

从字符或文件中解析（Parsing from strings and files）

lxml.etree支持多种方式解析XML，包括所有重要的数据源，命名字符、文件、URLs(http/ftp)和类文件对象。主要的解析方法是fromstring()和parse()，两者都接受“数据源”作为第一个参数。默认情况下，它使用标准的解析器，但你随时都可以传递一个不同的解析器（作为第二个参数）。

The fromstring() function

fromstring()是从字符串解析的最简单办法：

>>> some_xml_data = "<ro