python lxml模块对xml属性顺序进行排列_lxml模块的用法

lxml 的安装

pip install lxml

Element 类

导入模块 from lxml import etree

添加tag名为root 的节点

root = etree.Element("root")

打印tag名

print(root.tag)

添加子节点

root.append( etree.Element("child1") )

child2 = etree.SubElement(root, "child2")

tostring 节点字符化

print(etree.tostring(root, pretty_print=True))

Element 是一个列表，最小单元是element

列表的长度 print(len(root))

读取列表的节点名 print(root[0].tag)

列表的索引 root.index(root[1])

列表的切片

start = root[:1] 开头

end = root[-1:] 结尾

判断element否有子节点，即子节点列表是否为空

print(etree.iselement(root))

删除子节点区别于列表

root[0] = root[-1]

root[0] 指向root[-1]的节点对象，root[0]的节点对象删除

复制需要使用到copy模块的深层复制

from copy import deepcopy

getparent()查询节点的根节点

root is root[0].getparent()

getprevious() 前一个节点

root[0] is root[1].getprevious()

getnext()后一个节点

root[1] is root[0].getnext()

element 的属性是dict

etree.Element('root', interesting = 'totally')

etree.tostring(root)

b''

element 属性的设置

root.set('hello', 'huhu')

print(root.get('hello'))

huhu

打印element属性的键值对

sorted(root.keys())

sorted 返回一个新列表，其中包含所有可迭代项，默认按升序进行迭代

for name, value in sorted(root.items()):

... print('%s = %r' % (name, value))

hello = 'Huhu'

interesting = 'totally'

使用attrib打印键值对列表

d = dict(root.attrib)

sorted(d.items())

[('hello', 'Guten Tag'), ('interesting', 'totally')]

element 构成文本

>>> html = etree.Element("html")

>>> body = etree.SubElement(html, "body")

>>> body.text = "TEXT"

>>> etree.tostring(html)

b'

TEXT'

root = etree.Element("root")

用层次结构最底部的tag标记封装

>>> root.text = "TEXT"

>>> print(root.text)

TEXT

>>> etree.tostring(root)

b'TEXT'

World

标签被文本包围,文档样式，使用tail属性来支持br

如果希望不在文本显示tail文本，tostring()函数接受关键字参数with_tail= False

如果你想读的只有文字，即没有任何中间变量，你必须递归串联所有文字和尾部 以正确的顺序属性。同样，tostring()函数来拯救，这次使用method关键字：

etree.tostring(html, method="text")

b'TEXTTAIL'

使用XPath查找文本

XPath允许您将单独的文本块提取到列表中

>>> print(html.xpath("string()")) # lxml.etree only!

>>> print(html.xpath("//text()")) # lxml.etree only!

包装在一个函数里面：

>>> build_text_list = etree.XPath("//text()") # lxml.etree only!

>>> print(build_text_list(html))

['TEXT', 'TAIL']

可以通过其getparent()方法询问它的来源，就像使用Elements一样：

>>> texts = build_text_list(html)

>>> print(texts[0])

TEXT

>>> parent = texts[0].getparent()

>>> print(parent.tag)

body

>>> print(texts[1])

TAIL

>>> print(texts[1].getparent().tag)

br

判断文本内容

>>> print(texts[0].is_text)

True

>>> print(texts[1].is_text)

False

>>> print(texts[1].is_tail)

True

tree迭代器

>>> root = etree.Element("root")

>>> etree.SubElement(root, "child").text = "Child 1"

>>> etree.SubElement(root, "child").text = "Child 2"

>>> etree.SubElement(root, "another").text = "Child 3"

>>> print(etree.tostring(root, pretty_print=True))

Child 1

Child 2

Child 3

>>> for element in root.iter():

... print("%s - %s" % (element.tag, element.text))

root - None

child - Child 1

child - Child 2

another - Child 3

对单个标记感兴趣，可以将其名称传递给 iter()以让它过滤，还可以在迭代期间传递多个标记以拦截多个标记。

>>> for element in root.iter("child"):

... print("%s - %s" % (element.tag, element.text))

child - Child 1

child - Child 2

>>> for element in root.iter("another", "child"):

... print("%s - %s" % (element.tag, element.text))

child - Child 1

child - Child 2

another - Child

默认情况下，迭代会生成树中的所有节点，包括ProcessingInstructions，Comments和Entity实例。如果要确保仅返回Element对象，可以将Element作为标记参数传递

>>> for element in root.iter(tag=etree.Element):

... print("%s - %s" % (element.tag, element.text))

root - None

child - Child 1

child - Child 2

another - Child 3

序列化

序列化通常使用返回字符串的tostring()函数，或者写入文件，类文件对象或URL(通过FTP PUT或HTTP POST)的ElementTree.write()方法。两个调用都接受相同的关键字参数，如pretty_print，用于格式化输出或编码，以选择除纯ASCII以外的特定输出编码：

>>> root = etree.XML('')

>>> etree.tostring(root)

b''

>>> print(etree.tostring(root, xml_declaration=True))

>>> print(etree.tostring(root, encoding='iso-8859-1'))

>>> print(etree.tostring(root, pretty_print=True))

通过传递method关键字来序列化为HTML或提取文本内容：

XPath常用规则

nodename 选取此节点的所有子节点

/ 从当前节点选取直接子节点

// 从当前节点选取子孙节点

. 选取当前节点

.. 选取当前节点的父节点

@ 选取属性

通配符，选择所有元素节点与元素名

@* 选取所有属性

[@attrib] 选取具有给定属性的所有元素

[@attrib='value'] 选取给定属性具有给定值的所有元素

[tag] 选取所有具有指定元素的直接子节点

[tag='text'] 选取所有具有指定元素并且文本内容是text节点