Python使用ElementTree处理XML

一、引用方法

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
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分别是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。
查看子节点

root.attrib返回的是一个空字典，如果看root的子节点，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。

print(list(root.iter()))

返回：

[<Element 'data' at 0x0000000003159CC8>, <Element 'country' at 0x00000000032290E8>, <Element 'rank' at 0x00000000034ADB38>, <Element 'year' at 0x00000000038D05E8>, <Element 'gdppc' at 0x00000000038D0638>, <Element 'neighbor' at 0x00000000038D0C78>, <Element 'neighbor' at 0x00000000038DDD68>, <Element 'country' at 0x00000000038DDDB8>, <Element 'rank' at 0x00000000038DDE08>, <Element 'year' at 0x00000000038DDE58>, <Element 'gdppc' at 0x00000000038DDEA8>, <Element 'neighbor' at 0x00000000038DDEF8>, <Element 'country' at 0x00000000038DDF48>, <Element 'rank' at 0x00000000038DDF98>, <Element 'year' at 0x00000000038E5048>, <Element 'gdppc' at 0x00000000038E5098>, <Element 'neighbor' at 0x00000000038E50E8>, <Element 'neighbor' at 0x00000000038E5138>]

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)

返回：

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：

print(root.findall('country'))

返回：

[<Element 'country' at 0x00000000031D90E8>, <Element 'country' at 0x000000000327DE08>, <Element 'country' at 0x000000000327DF98>]

print(root.find('country'))

返回：

<Element 'country' at 0x00000000031A90E8>

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)

返回：

2011

也可以用：

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

返回：

2011

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')

如：

root[0].set('name','9999')

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：

import xml.etree.ElementTree as ET
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'
tree=ET.ElementTree(root)
tree.write("99.xml")

创建的xml文件内容如下：

<data><country name="Liechtenstein"><rank>1</rank><year>2008</year></country></data>

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 elements
root.findall(".")

# All 'neighbor' grand-children of 'country' children of the top-level
# elements
root.findall("./country/neighbor")

# Nodes with name='Singapore' that have a 'year' child
root.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 parent
root.findall(".//neighbor[2]")