python--XML

什么是XML？

XML 指可扩展标记语言（eXtensible Markup Language）。

XML 被设计用来传输和存储数据。

XML是一套定义语义标记的规则，这些标记将文档分成许多部件并对这些部件加以标识。

它也是元标记语言，即定义了用于定义其他与特定领域有关的、语义的、结构化的标记语言的句法语言。

python对XML的解析

常见的XML编程接口有DOM和SAX，这两种接口处理XML文件的方式不同，当然使用场合也不同。

python有三种方法解析XML，SAX，DOM，以及ElementTree:

1.SAX (simple API for XML )

python 标准库包含SAX解析器，SAX用事件驱动模型，通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。

2.DOM(Document Object Model)

将XML数据在内存中解析成一个树，通过对树的操作来操作XML。

3.ElementTree(元素树)

ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。

注：因DOM需要将XML数据映射到内存中的树，一是比较慢，二是比较耗内存，而SAX流式读取XML文件，比较快，占用内存少，但需要用户实现回调函数（handler）。

准备一份XML格式的文件：

<?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>

XML文件格式介绍：

<tag attrib = > text </tag> tail

例：<APP_KEY channel = 'CSDN'> hello123456789 </APP_KEY>

• tag，即标签，用于标识该元素表示哪种数据，即APP_KEY
• attrib，即属性，用Dictionary形式保存，即{'channel' = 'CSDN'}
• text，文本字符串，可以用来存储一些数据，即hello123456789
• tail，尾字符串，并不是必须的，例子中没有包含。

ElementTree解析XML文件的过程：

• 导入ElementTree，import xml.etree.ElementTree as ET
• 解析Xml文件找到根节点：
• 直接解析XML文件并获得根节点，tree = ET.parse('country_data.xml') root = tree.getroot()
• 解析字符串，root = ET.fromstring(country_data_as_string)
• 遍历根节点可以获得子节点，然后就可以根据需求拿到需要的字段了。

  源码演示：

  示例代码：

  #！usr/bin/python
  # -*- coding: utf-8 -*-
  #==========================
  import xml.etree.ElementTree as ET
  tree = ET.parse('country_data.xml')
  root = tree.getroot()
  print('root-tag:',root.tag,',root-attrib:',root.attrib,',root-text:',root.text)
  for child in root:
       print('child-tag是：',child.tag,',child.attrib：',child.attrib,',child.text：',child.text)
       for sub in child:
            print('sub-tag是：',sub.tag,',sub.attrib：',sub.attrib,',sub.text：',sub.text)
  

  运行结果：

  >>> 
  root-tag: data ,root-attrib: {} ,root-text: 
      
  child-tag是： country ,child.attrib： {'name': 'Liechtenstein'} ,child.text： 
          
  sub-tag是： rank ,sub.attrib： {} ,sub.text： 1
  sub-tag是： year ,sub.attrib： {} ,sub.text： 2008
  sub-tag是： gdppc ,sub.attrib： {} ,sub.text： 141100
  sub-tag是： neighbor ,sub.attrib： {'direction': 'E', 'name': 'Austria'} ,sub.text： None
  sub-tag是： neighbor ,sub.attrib： {'direction': 'W', 'name': 'Switzerland'} ,sub.text： None
  child-tag是： country ,child.attrib： {'name': 'Singapore'} ,child.text： 
          
  sub-tag是： rank ,sub.attrib： {} ,sub.text： 4
  sub-tag是： year ,sub.attrib： {} ,sub.text： 2011
  sub-tag是： gdppc ,sub.attrib： {} ,sub.text： 59900
  sub-tag是： neighbor ,sub.attrib： {'direction': 'N', 'name': 'Malaysia'} ,sub.text： None
  child-tag是： country ,child.attrib： {'name': 'Panama'} ,child.text： 
          
  sub-tag是： rank ,sub.attrib： {} ,sub.text： 68
  sub-tag是： year ,sub.attrib： {} ,sub.text： 2011
  sub-tag是： gdppc ,sub.attrib： {} ,sub.text： 13600
  sub-tag是： neighbor ,sub.attrib： {'direction': 'W', 'name': 'Costa Rica'} ,sub.text： None
  sub-tag是： neighbor ,sub.attrib： {'direction': 'E', 'name': 'Colombia'} ,sub.text： None
  

  查找指定的子节点：

  当XML文件较大或者其中的子节点tag非常多的时候，一个一个获取是比较麻烦的而且有很多不是我们需要的，这样我们可以通过find('nodeName')或者findall('nodeName')方法来查找指定tag的节点。

  • find('nodeName')：表示在该节点下，查找其中第一个tag为nodeName的节点。
  • findall('nodeName')：表示在该节点下，查找其中所有tag为nodeName的节点。

  代码示例：

  #！usr/bin/python
  # -*- coding: utf-8 -*-
  import xml.etree.ElementTree as ET
  tree = ET.parse('country_data.xml')
  root = tree.getroot()
  animNode = root.find('country') #查找root节点下第一个tag为country的节点
  print(animNode.tag,animNode.attrib,animNode.text)
  

  运行结果,可以在XML文件中看到，第一个tag为country的节点确实是Liechtenstein：

  >>> 
  country {'name': 'Liechtenstein'} 
  

  删除指定的节点以及保存

  在合并Manifest文件的时候，可能有一些重复的权限，那么怎么删除掉呢，删除指定节点可以通过remove(node)方法,移除指定的节点。
  代码示例，比如我们想移除attribute中name为Liechtenstein的节点：

  #！usr/bin/python
  # -*- coding: utf-8 -*-
  import xml.etree.ElementTree as ET
  tree = ET.parse('country_data.xml')
  root = tree.getroot()
  animNode = root.find('country') 
  if animNode.attrib['name'] == 'Liechtenstein':
       root.remove(animNode)
  tree.write('finish.xml')#保存修改后的XML文件
  

  运行结果,我们打开保存的finish.xml文件，发现保存结果如下，name为Liechtenstein的节点已经被删除了：

  <data>
      <country name="Singapore">
          <rank>4</rank>
          <year>2011</year>
          <gdppc>59900</gdppc>
          <neighbor direction="N" name="Malaysia" />
      </country>
      <country name="Panama">
          <rank>68</rank>
          <year>2011</year>
          <gdppc>13600</gdppc>
          <neighbor direction="W" name="Costa Rica" />
          <neighbor direction="E" name="Colombia" />
      </country>
  </data>