xml是极为常用的标记性语言,可以提供统一的方法来描述应用程序的结构化数据,例如demo.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>
要求:在Python中解析xml文档。
解决方案:
使用标准库中的xml.etree.ElementTree类来解析xml文档。
- 对于xml文档:
元素:元素是 XML 的基本构造模块。通常,元素拥有子元素、文本节点,或两者的组合。元素节点也是能够拥有属性的唯一节点类型。
属性:属性节点包含关于元素节点的信息。
文本:文本节点就是名副其实的文本。它可以由更多信息组成,也可以只包含空白。
文档:文档节点是文档中其他所有节点的父亲。
- 对于
xml.tree.ElementTree
类:
ElementTree
提供了两个对象:ElementTree
和Element
ElementTree
:将整个xml转化为树,对整个xml文档进行操作(读取,写入,查找等)一般在ElementTree层面进行。
Element
:代表树上单个节点,对单个xml元素及其子元素进行操作,则是在Element层面进行。
- 方案示例:
获得根元素(节点),元素只是节点的一种类型
>>> import xml.etree.ElementTree as ET
>>> et = ET.parse('demo.xml')
>>> et
<xml.etree.ElementTree.ElementTree object at 0x7fad71953908>
>>> root = et.getroot() #获得根元素,xml文档中只有一个根元素
>>> root
<Element 'data' at 0x7fad7195aea8>
>>> root.tag #tag表示元素名
'data'
>>> root.getchildren() #获得子元素,等同于list(root)
__main__:1: DeprecationWarning: This method will be removed in future versions. Use 'list(elem)' or iteration over elem instead.
[<Element 'country' at 0x7fad805a4958>, <Element 'country' at 0x7fad71726a98>, <Element 'country' at 0x7fad71726c28>]
>>> list(root)
[<Element 'country' at 0x7fad805a4958>, <Element 'country' at 0x7fad71726a98>, <Element 'country' at 0x7fad71726c28>]
获得子节点的属性
>>> c1 = list(root)[0]
>>> c1
<Element 'country' at 0x7fad805a4958>
>>> c1.attrib #获得属性字典
{'name': 'Liechtenstein'}
>>> c1.get('name') #通过key获得属性值
'Liechtenstein'
>>> year = list(c1)[1] #文本节点
>>> year.text
'2008'
在子节点下找出子节点的属性节点
>>> c1.find('neighbor') #找出第一个属性节点
<Element 'neighbor' at 0x7fad717269f8>
>>> c1.findall('neighbor') #找出第一个属性节点
[<Element 'neighbor' at 0x7fad717269f8>, <Element 'neighbor' at 0x7fad71726a48>]
在根节点下找出子节点的属性节点
>>> root.iter('neighbor')
<_elementtree._element_iterator object at 0x7fad71725888>
>>> list(root.iter('neighbor'))
[<Element 'neighbor' at 0x7fad717269f8>, <Element 'neighbor' at 0x7fad71726a48>, <Element 'neighbor' at 0x7fad71726bd8>, <Element 'neighbor' at 0x7fad71726d68>, <Element 'neighbor' at 0x7fad71726db8>]
从根节点开始,找出在孙子节点中带有指定属性的节点
>>> root.iterfind('./*/*[@name]') #指定属性为name
<generator object prepare_predicate.<locals>.select at 0x7fad719baf48>
>>> list(root.iterfind('./*/*[@name]'))
[<Element 'neighbor' at 0x7fad717269f8>, <Element 'neighbor' at 0x7fad71726a48>, <Element 'neighbor' at 0x7fad71726bd8>, <Element 'neighbor' at 0x7fad71726d68>, <Element 'neighbor' at 0x7fad71726db8>]
找出子节点自身下面所有的文本节点信息
>>> ' '.join(t for t in c1.itertext() if not t.isspace()) #生成器解析
'1 2008 141100'