27. 解析简单的xml文档

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'

---