python解析html xml_Python解析XML

Python解析XML文件

文本记录如何利用python解析XML文件：

首先，XML示例文件如下所示（test.xml）：

<?xml version="1.0" encoding="ISO-8859-1"?>

1

2008

141100

4

2011

59900

68

2011

13600

1. 导入解析XML文件的模块：xml.etree.ElementTree

import xml.etree.ElementTree as ET

注：解析XML方法很多，这里只介绍其一，xml.etree.ElementTree是按照XML文件的格式，将其看作树来解析。

2. 解析步骤：

（1） 实例化Element对象：

tree = ET.ElementTree()

可见直接调用ET模块的ElementTree方法返回一个Element对象，该对象指向XML树的根节点。

现在来介绍Element对象的几个常用属性：

tag：获取该元素节点的标签。 比如根节点的标签是，那么tree.tag返回的就是字符串data

attrib：获取噶元素节点的属性字典，没有属性就返回空字典。 比如元素标签为country的节点的属性为name='Liechetenstein'那么返回的就是字典{name : 'Liechetenstein'}

text：若该元素内没有再嵌套，那么返回的就是该元素的内容（类型视元素内容的类型而定）。 比如year元素调用text后返回的是2008

（2）载入XML文件：

上一步仅仅是创建了XML树的对象，其中没有内容，现在就要载入xml文件来使这颗XML树具有具体含义。

tree.parse("test.xml")

Element对象调用parse方法将xml文件载入进来，其中parse方法的参数便是xml文件的路径。

这样，这颗xml树就要具体含义了，其含义与载入的xml文件含义同。

（3） 现在开始操作xml树（操作xml文件的内容）：

1. 载入xml文件后的树是指向根节点的：

print(tree.tag)

输出：

2. 可以使用len()函数查看该节点的子节点个数：

print(len(tree))

3. 可以按下标索引子节点：

比如tree[0].tag的结果是country，意思是根节点的第一个子节点的标签是country

4. Element对象的findall()方法：

tree.findall('country')

该方法接受参数为检索的元素标签（String类型），返回的是一个列表（列表中的每个值都是Element对象，即检索到的元素）：

比如：

children = tree.findall('country')　　　　#调用方法findall，会在tree的子节点中寻找以country为标签的元素，将找到的元素放入列表中，最后返回这个列表

for child in children:　　　　　　　　　　　#for循环遍历这个列表中的每个元素，循环体print语句输出每个元素的长度

print(len(child))

运行结果如下所示：（可以对比test.xml文件来理解输出）

5. 也可以使用find()函数：

child1 = tree[0] #child1锁定到tree的第一个孩子结点

print(child1.find('year').text) #child.find('year')指向该节点的year元素，然后.text返回该元素的内容

运行结果：(果然不出所料)

一次性操作xml文件示范代码：

childtag = tree[0].tag #根目录的孩子结点的标签

children = tree.findall(childtag) #返回所有根目录孩子结点元素的列表

for child in children: #遍历该列表

for i in range(len(child)): #获取每个孩子结点元素的长度，然后遍历输出所有内容

print(child[i].tag + ':' +str(child[i].text))print()

运行结果如下：

（4）写XML文件

importxml.etree.ElementTree as ET

root= ET.Element('data') #创建根节点调用方法Element#创建子节点用方法SubElement，其中第一个参数为他的父节点，第二个参数为该节点的标签#第三个参数为该节点的属性（可选）

student = ET.SubElement(root,'student',sex = 'boy')#创建子节点，其父节点为student，用text来设置该节点的内容

ET.SubElement(student,'name').text = 'Tony'ET.SubElement(student,'age').text = '22'

#与student节点同级的节点

student = ET.SubElement(root,'student',sex = 'girl')

ET.SubElement(student,'name').text = 'Tina'ET.SubElement(student,'age').text = '21'

#xml的写工作完成后调用ElementTree方法创建一颗xml树#其参数为Element类型，即这颗树的根

tree =ET.ElementTree(root)#ElementTree对象调用write方法，将数写入到xml文件中#第一个参数为文件路径，第二个参为编码格式（记得写）

tree.write('test.xml',encoding='utf-8')

运行结果如下：

---------------------------------------------------------- 参考API ---------------------------------------------------------------

1.函数

1.xml.etree.ElementTree.Comment(text=None)：注释元素工厂,这个工厂函数创建一个特殊的元素,将被序列化为XML注释标准的序列化器。注释字符串可以是bytestring或Unicode字符串，文本是包含注释字符串的字符串，返回表示注释的元素实例。

注意：XMLParser忽略了输入中的注释，而不是为它们创建注释对象。如果ElementTree使用其中一个元素方法插入到树中，它只会包含注释节点。

2.xml.etree.ElementTree.dump(elem):把元素树或元素结构写入sys.stdout。这个函数只用于调试。

3.xml.etree.ElementTree.fromstring(text):从字符串常量解析XML,XML()方法解析的方式也一样，它们返回的都是一个Element实例。

4.xml.etree.ElementTree.iselement(element):检查对手是否是有效的element对象，如果是element对象返回true，否则返回false.

5.xml.etree.ElementTree.iterparse(source, events=None, parser=None):在元素树中逐步解析XML,并且报告用户的情况。资源是文件名或包含xml数据的文件对象。一系列的事件需要被报告，支持事件的字符串有 “start”, “end”, “start-ns” and “end-ns”，如果忽略事件，则只报告“end”事件。解析器是一个可选的解析器实例。如果没有给出，则使用标准的XMLParser解析器。解析器必须是XMLParser的子类，并且只能使用默认的TreeBuilder作为目标。使用iterparse()函数返回一个迭代器对象。

6.xml.etree.ElementTree.parse(source, parser=None):把XML文件解析成 element tree，资源是一个文件名或包含XML数据的文件对象，解析器是一个可选的解析器实例。如果没有指定parser的参数值，默认使用的是XMLParser解析器。调用此函数返回ElementTree实例对象。

7.xml.etree.ElementTree.ProcessingInstruction(target, text=None):返回一个元素实例，表示一个处理指令。

8.xml.etree.ElementTree.register_namespace(prefix, uri):注册命名空间前缀， registry是全局的，任何现有的前缀或名称空间URI的映射都将被删除。这个命名空间中的标签和属性将被给定的前缀给序列化。

9.xml.etree.ElementTree.SubElement(parent, tag, attrib={}, **extra):此函数是一个Subelement工厂，这个函数用于创建 element 实例，并将其添加到现有的 element 中。

10.xml.etree.ElementTree.tostring(element, encoding=”us-ascii”, method=”xml”, *, short_empty_elements=True): 转化为字符串。

01.element:表示一个element实例

02. encoding:默认编码是”us-ascii”

03.method:默认是”xml”，可以选择“html”、“text”

11.xml.etree.ElementTree.tostringlist(element, encoding=”us-ascii”, method=”xml”, *, short_empty_elements=True):转化成字符串列表。

12.xml.etree.ElementTree.XML(text, parser=None):

01.text :包含xml数据的字符串。

02.parser:解析器默认是XMLParser

03.返回的是一个Element实例

13.xml.etree.ElementTree.XMLID(text, parser=None):返回一个包含Element实例和字典的元组。

2.Element 对象

class xml.etree.ElementTree.Element(tag, attrib={}, **extra)

1.tag: 标签

2.text: 去除标签，获得标签中的内容。

3.attrib: 获取标签中的属性和属性值。

4.tail: 这个属性可以用来保存与元素相关联的附加数据。它的值通常是字符串，但可能是特定于应用程序的对象。

Element 对象的方法

1.clear():清除所有子元素和所有属性，并将文本和尾部属性设置为None。

2.get(attribute_name, default=None):通过指定属性名获取属性值。

3.items():以键值对的形式返回元素属性。

4.keys():以列表的方式返回元素名。

5.set(attribute_name,attribute_value):在某标签中设置属性和属性值。

6.append(subelement):将元素子元素添加到元素的子元素内部列表的末尾。

7.extend(subelements):追加子元素。

8.find(match, namespaces=None):找到第一个匹配的子元素，match可以是标签名或者path。返回Elememt实例或None。

9.findall(match, namespaces=None)：找到所有匹配的子元素，返回的是一个元素列表。

10.findtext(match, default=None, namespaces=None):找到匹配第一个子元素的文本。返回的是匹配元素中的文本内容。

11.getchildren():Python3.2后使用 list(elem) 或 iteration.

12.getiterator(tag=None):Python3.2后使用 Element.iter()

13.iter(tag=None):以当前元素为根创建树迭代器。迭代器遍历这个元素和它下面的所有元素(深度优先级)。如果标签不是None或’*’，那么只有标签等于标签的元素才会从迭代器返回。如果在迭代过程中修改树结构，则结果是未定义的。

14.iterfind(match, namespaces=None):匹配满足条件的子元素，返回元素。

15.itertext():创建一个文本迭代器。迭代器循环遍历此元素和所有子元素，以文档顺序，并返回所有内部文本。

16.makeelement(tag, attrib):此方法使用SubElement()函数代替。

17.remove(subelement):删除子元素。

3.ElementTree 对象

class xml.etree.ElementTree.ElementTree(element=None, file=None)：

ElementTree是一个包装器类，这个类表示一个完整的元素层次结构，并为标准XML的序列化添加了一些额外的支持。

1._setroot(element):替换根元素，原来的根元素中的内容会消失。

2.find(match, namespaces=None):从根元素开始匹配和 Element.find()作用一样。

3.findall(match, namespaces=None):从根元素开始匹配和 Element.findall()作用一样。

4.findtext(match, default=None, namespaces=None):从根元素开始匹配和 Element.findtext()作用一样。

5.getiterator(tag=None):Python3.2后使用 ElementTree.iter() 代替。

6.iter(tag=None):迭代所有元素

7.iterfind(match, namespaces=None):从根元素开始匹配和 Element.iterfind()作用一样。

8.parse(source, parser=None):解析xml文本，返回根元素。

9.write(file, encoding=”us-ascii”, xml_declaration=None, default_namespace=None, method=”xml”, *, short_empty_elements=True):写出XML文本。