python xml etree_Python 标准库之 xml.etree.ElementTree

一、导入ET

在Python标准库中，ElementTree有两种实现方式：一种是纯Python的实现xml.etree.ElementTree，另一种是速度更快一点的xml.etree.cElementTree。如果不确定环境中是否有cElementTree，可以使用如下的方式导入：

try:importxml.etree.cElementTree as ETexceptImportError:import xml.etree.ElementTree as ET

但从Python 3.3开始，会默认使用cElementTree来加快速度，但是之前的版本最好使用如上的代码，以提高代码的兼容性。

二、解析xml

假设我们现在有如下的xml

<?xml version="1.0"?>

1

2008

141100

4

2011

59900

68

2011

13600

有两种方式可以解析xml

1. 从文件中解析xml文件

>>> importxml.etree.cElementTree as ET>>> tree = ET.ElementTree(file='doc1.xml') #载入数据

>>> root = tree.getroot() #获取根节点

2. 从内存字符串中解析xml

root = ET.fromstring(country_data_as_string)

其中第二种方式可以直接过去根节点。

三、数据的访问

>>> for child inroot:

...printchild.tag, child.attrib

...

country {'name': 'Liechtenstein'}

country {'name': 'Singapore'}

country {'name': 'Panama'}

或者直接使用索引寻找子节点：

>>> root[0][1].text'2008'

或者使用xpath方式进行遍历，但其支持部分xpath方法，其支持的xpath请参照[4]

>>> root.findall("./country/neighbor")

[, , , , ]

四、 处理xml流

如下的程序将从xml文件中一边读入xml一边解析，并将在遇到标签开始或标签结束的时候返回相应的事件。

for event, elem in ET.iterparse(sys.argv[2]):if event == 'end':if elem.tag == 'location' and elem.text == 'Zimbabwe':

count+= 1elem.clear()#discard the element

这个程序将在检查到标签结束的时候，对指定的标签进行计数。最后的elem.clear()保证了，在解析的之后尽快的释放内存。

五、Element对象

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

tag:string 元素代表的数据种类。

text:string 元素的内容。

tail:string 元素的尾形。

attrib:dictionary 元素的属性字典。

＃针对属性的操作

clear() 清空元素的后代、属性、text和tail也设置为None。

get(key, default=None) 获取key对应的属性值，如该属性不存在则返回default值。

items() 根据属性字典返回一个列表，列表元素为(key, value）。

keys() 返回包含所有元素属性键的列表。

set(key, value) 设置新的属性键与值。

＃针对后代的操作

append(subelement) 添加直系子元素。

extend(subelements) 增加一串元素对象作为子元素。＃python2.7新特性

find(match) 寻找第一个匹配子元素，匹配对象可以为tag或path。

findall(match) 寻找所有匹配子元素，匹配对象可以为tag或path。

findtext(match) 寻找第一个匹配子元素，返回其text值。匹配对象可以为tag或path。

insert(index, element) 在指定位置插入子元素。

iter(tag=None) 生成遍历当前元素所有后代或者给定tag的后代的迭代器。＃python2.7新特性

iterfind(match) 根据tag或path查找所有的后代。

itertext() 遍历所有后代并返回text值。

remove(subelement) 删除子元素。

六、ElementTree对象

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

element如果给定，则为新的ElementTree的根节点。

_setroot(element)：用给定的element替换当前的根节点。慎用。

＃ 以下方法与Element类中同名方法近似，区别在于它们指定以根节点作为操作对象。

find(match)

findall(match)

findtext(match, default=None)

iter(tag=None)

iterfind(match)

parse(source, parser=None) 装载xml对象，source可以为文件名或文件类型对象

getroot() 获取根节点

write(file, encoding="us-ascii", xml_declaration=None, default_namespace=None,method="xml")

七、模块方法-->用于生成xml文件

1. 创建一个特别的element，通过标准序列化使其代表了一个comment。comment可以为bytestring或unicode。

ET.Comment(text=None)

2. 生成一个element tree，通过sys.stdout输出，elem可以是元素树或单个元素。这个方法最好只用于debug。

ET.dump(elem)

3. text是一个包含XML数据的字符串，与XML()方法类似，返回一个Element实例。

ET.fromstring(text)

4. 从字符串的序列对象中解析xml文档。缺省parser为XMLParser，返回Element实例。V2.7中新加属性

ET.fromstringlist(sequence, parser=None)

5. 检查是否是一个element对象。

ET.iselement(element)

6. 将文件或包含xml数据的文件对象递增解析为element tree，并且报告进度。events是一个汇报列表，如果忽略，将只有end事件会汇报出来。

注意，iterparse()只会在看见开始标签的">"符号时才会抛出start事件，因此届时属性是已经定义了，但是text和tail属性在那时还没有定义，同样子元素也没有定义，因此他们可能不能被显示出来。如果你想要完整的元素，请查找end事件。

ET.iterparse(source, events=None, parser=None)

7. 将一个文件或者字符串解析为element tree。

ET.parse(source, parser=None)

8. 这个方法会创建一个特别的element，该element被序列化为一个xml处理命令。

ET.ProcessingInstruction(target, text=None)

9. 注册命名空间前缀。这个注册是全局有效，任何已经给出的前缀或者命名空间uri的映射关系会被删除。 V2.7新加属性

ET.register_namespace(prefix, uri)

10. 子元素工厂，创建一个Element实例并追加到已知的节点。

ET.SubElement(parent, tag, attrib={}, **extra)

11. 生成一个字符串来表示表示xml的element，包括所有子元素。element是Element实例，method为"xml", "html", "text"。 返回包含了xml数据的字符串。

ET.tostring(element, encoding="us-ascii", method="xml")

12. 生成一个字符串来表示表示xml的element，包括所有子元素。element是Element实例，method为"xml","html","text"。返回包含了xml数据的字符串列表。V2.7新添加属性

ET.tostringlist(element, encoding="us-ascii", method="xml")

13. 从一个字符串常量中解析出xml片段。返回Element实例。

ET.XML(text, parser=None)

14. 从字符串常量解析出xml片段，同时返回一个字典，用以映射element的id到其自身。

ET.XMLID(text, parser=None)