python 使用 xml.etree.ElementTree 解析 xml

使用 xml.etree.ElementTree  （简称ET） 来解析 xml  非常好用推荐给大家。按照我自己的理解，使用ET 解析xml 就像 遍历 字典一样 ，以如下数据为例

<?xml version="1.0" encoding="utf-8"?>
	<SMP2019-ECISA>
		<Doc ID="4">
			<Sentence ID="1" label="2">转发了财新网的微博:【内鬼与大鳄姚刚张育军的唏嘘人生】（记者刘彩萍）近日，中国证券监督管理委员会原党委委员、副主席姚刚和原党委委员、主席助理张育军被查。</Sentence>
			<Sentence ID="2">两位高级干部先后被双开并移交司法引发资本市场无限唏嘘，曾经的后备干部、创新先锋倒在了利益面前。</Sentence>
			<Sentence ID="3">内鬼与大鳄姚刚张育军的唏嘘人生??</Sentence>
			<Sentence ID="4">原图?</Sentence>
			<Sentence ID="5">赞[21]?</Sentence>
			<Sentence ID="6">原文转发[29]?</Sentence>
			<Sentence ID="7">原文评论[52]转发理由:副主席，江湖上称发审皇帝，IPO审批制的坚决拥护者。</Sentence>
			<Sentence ID="8">攀附山西王成，让一大批乐视这种垃圾公司上市，权?</Sentence>
			<Sentence ID="9">贵牛的中枢。</Sentence>
			<Sentence ID="10">人民牛，还缺一个市场化IPO，还多一个发审委。</Sentence>
		</Doc>
</SMP2019-ECISA>

具体代码如下

import xml.etree.ElementTree as ET

in_file = 'SMP2019_ECISA_Dev.xml'
tree = ET.parse(in_file)
# 获得根节点 SMP2019-ECISA
root = tree.getroot()
# 遍历根节点
for doc in root:
    # attrib 获得 doc 的属性
    doc_attr = doc.attrib 
    print(doc_attr) # {'ID': '4'}
    # 遍历doc 中的子元素
    for sent in doc:
        sent_attr = sent.attrib
        print(sent_attr) # {'ID': '1', 'label': '2'}
        # 获得正文
        text = sent.text
        print(text) #转发了财新网的微博:【内鬼与大鳄姚刚张育军的唏嘘人生】...

解析过程 非常简单，主要是三个点

1. 直接使用 in 一层一层 遍历
2. element.attrib 获得 对应元素的属性
3. element.text 获得正文