python解析xml文件elementtree_Python XML解析之ElementTree

参考网址：

菜鸟教程提供了基本的XML编程接口DOM、SAX，以及轻量级ElementTree的简易概念说明和一些示例。DOM是一种跨语言的XML解析机制，通过将整个XML在内存中解析为一个树来操作，ElementTree未做太多介绍，你可以到官网网址查看其详细的方法释义。

ElementTree是Python中最快捷的XML解析方式，可以看做一个轻量级的DOM，本文主要讲ElementTree，ElementTree在解析XML时非常方便，DOM比较笨重但是功能齐全，例如ElementTree处理XML注释时就很不方便(详见https://bugs.python.org/issue8277)，此时用DOM比较好。

API名称：

from xml.etree import ElementTree as ET

概念定义：

1

2008

141100

我们把xxx这种结构称为一个element，country称作element的tag，<>>之间的内容称作element的text或data，<>中的name称作element的attrib，而整个XML树被称作ElementTree。

element是一个名为xml.etree.ElementTree.Element的类，其描述为：

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

此类的所有属性和方法查看：

https://docs.python.org/2/library/xml.etree.elementtree.html#element-objects

方法释义：

读取XML数据：

--读取XML文件

import xml.etree.ElementTree as ET

tree = ET.parse('country_data.xml')

root = tree.getroot()

--读取XML字符串

root = ET.fromstring(country_data_as_string)

--获取element object的四大属性tag、text、attrib以及tail

root.tag #root element的tag

root.text #root element的text

root.attrib #root element本身的attrib,dict格式的

root.tail #root element的tag结束到下一个tag之间的text

--通过DICT逻辑获取树形结构的text，表示第一个child的第二个child element的text

root[0][1].text

element object的方法:

Element.iter(tag) --遍历当前element树所有子节点的element(无论是子节点还是子节点的子节点),找到符合指定tag名的所有element,如果tag为空则遍历当前element树，返回所有节点element(包含当前父节点)。2.7和3.2之前的版本无此方法，可以用getiterator()代替。

Element.findall(tag) --遍历当前节点的直接子节点，找到符合指定tag名的element，返回由element组成的list

Element.find(tag) --遍历当前节点的直接子节点，找到符合指定tag名的第一个element

Element.get(key) --在当前element中获取符合指定attrib名的value

...其他方法参考官网

修改XML内容：

ElementTree.write(file, encoding="us-ascii", xml_declaration=None, default_namespace=None, method="xml") --将之前的修改写入XML

Element.set(key,value) --设置element attrib

Element.append(subelement) --新增一个子element，extends(subelements)是3.2的新增用法，输入参数必须是一个element序列

Element.remove(subelement) --删除指定tag的element

示例：

>>> for rank in root.iter('rank'):

... new_rank = int(rank.text) + 1

... rank.text = str(new_rank)

... rank.set('updated', 'yes')

...

>>> tree.write('output.xml')

处理含有Namespaces的XML文件：

--有一个如下的XML字符串：

xmlns="http://people.example.com">

John Cleese

Lancelot

Archie Leach

Eric Idle

Sir Robin

Gunther

Commander Clement

其中包含fictional和default两个命名空间，这意味fictional:xxx格式的tags、attributes都会被自动扩展为{uri}xxx格式。而如果还定义了默认命名空间xmlns,那么所有无前缀的tags也会被扩展为{url}xxx格式。

有两种将此类XML处理为普通格式的方法：

方法一：在匹配时直接手动加上{uri}前缀

root = fromstring(xml_text)

for actor in root.findall('{http://people.example.com}actor'):

name = actor.find('{http://people.example.com}name')

print name.text

for char in actor.findall('{http://characters.example.com}character'):

print ' |-->', char.text

方法二：创建自己的namespace别名(其实只是在ns uri很长时可以少写点，实质并没有效率提升)

ns = {'real_person': 'http://people.example.com','role': 'http://characters.example.com'}

for actor in root.findall('real_person:actor', ns):

name = actor.find('real_person:name', ns)

print name.text

for char in actor.findall('role:character', ns):

print ' |-->', char.text

--两种方式的输出结果都是：

John Cleese

|--> Lancelot

|--> Archie Leach

Eric Idle

|--> Sir Robin

|--> Gunther

|--> Commander Clement

一个比较proxool.xml文件的示例代码：

# -*- coding:utf-8 -*-

# 用于进行配置文件的差异比较，2.7和3.2之前element没有iter()的遍历方法可以用getiterator()代替

import sys

from xml.etree import ElementTree as ET

from xml.dom import minidom

# 定义新旧XML文件分别为输入参数1和2

old_file = sys.argv[1]

new_file = sys.argv[2]

# 定义将新增tag加入旧XML文件的方法

def modify_xml(old_file,new_file):

if not new_file:

sys.exit(0)

tree_old = ET.parse(old_file) # 解析出整个ElementTree

tree_new = ET.parse(new_file)

global root # 定义全局变量root，只解析一次方便prettify_xml方法调用

root = tree_old.getroot()

root_old = tree_old.getroot().find("proxool") # 定位旧XML父节点proxool

root_new = tree_new.getroot().find("proxool")

old_dict = {} # 定义旧XML文件的tag/text字典

new_dict = {}

for e in root_old.getiterator(): # 遍历proxool树的所有节点element，包含其作为父节点的自身

# text为空时不能使用replace方法，因此加上判断；if e.text不能排除空字符' '，只能过滤none和''因此加上strip()过滤

if e.text and e.tag != 'proxool' and e.text.strip() != '':

old_dict[e.tag] = e.text.replace("\n", "").replace("\t", "")

for e in root_new.getiterator():

if e.text and e.tag != 'proxool' and e.text.strip() != '':

new_dict[e.tag] = e.text.replace("\n", "").replace("\t", "")

# 至此新旧XML文件的tag/text已经作为字典的元素存在了old_dict和new_dict中，只要比较这两个字典就可以拿到新增tag

for tag,text in new_dict.items():

if not old_dict.get(tag): # 当旧XML中找不到对应的tag时,进行tag新增操作

new_tag = ET.Element(tag) # 构造一个element

new_tag.text = text # 设置此element的text

root_old.append(new_tag) #将此element加入root_old节点下作为其子节点

else:

pass # 只为美观，可以不写else

tree_old.write(old_file + "_fixed",encoding="UTF-8") # 最后将append的整个ElementTree写入旧XML_fixed文件中，这样注释会丢失

# 新写入的XML项不是那么美观，再美化一下(发现结果更难看了，有待优化)

def prettify_xml(filename):

strTree = ET.tostring(root) #使用全局变量root

new_strTree = minidom.parseString(strTree).toprettyxml()

with open(filename,'w') as output:

output.write(new_strTree)

# 执行函数

modify_xml(old_file,new_file)

prettify_xml(old_file + "_fixed")

# Ps:后来发现使用ElementTree解析的XML文件很难美化，且不能处理注释，所以转用minidom处理XML文件了，详见《Python XML解析之DOM》