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>