python解析xml文件elementtree_python XML文件解析：用ElementTree解析XML

Python标准库中，提供了ET的两种实现。一个是纯Python实现的xml.etree.ElementTree，另一个是速度更快的C语言实现xml.etree.cElementTree。请记住始终使用C语言实现，因为它的速度要快很多，而且内存消耗也要少很多。如果你所使用的Python版本中没有cElementTree所需的加速模块，你可以这样导入模块

try:

import xml.etree.cElementTree as ET

except ImportError:

import xml.etree.ElementTree as ET

xml file

text,source

xml,sgml

1、将XML文档解析为树(tree)

加载这个文档，并进行解析

>>> import xml.etree.ElementTree as ET

>>> tree = ET.ElementTree(file='doc1.xml')

获取根元素(root element)：

>>> tree.getroot()

根元素(root)是一个Element对象,看根元素都有哪些属性：

>>> root = tree.getroot()

>>> root.tag, root.attrib

('doc', {})

根元素并没有属性。与其他Element对象一样，根元素也具备遍历其直接子元素的接口：

>>> for child_of_root in root:

... print child_of_root.tag, child_of_root.attrib

...

branch {'hash': '1cdf045c', 'name': 'codingpy.com'}

branch {'hash': 'f200013e', 'name': 'release01'}

branch {'name': 'invalid'}

还可以通过索引值来访问特定的子元素：

>>> root[0].tag, root[0].text

('branch', '\n text,source\n ')

2、查找需要的元素

Element对象有一个iter方法，可以对某个元素对象之下所有的子元素进行深度优先遍历(DFS)。ElementTree对象同样也有这个方法。下面是查找XML文档中所有元素的最简单方法：

>>> for elem in tree.iter():

... print elem.tag, elem.attrib

...

doc {}

branch {'hash': '1cdf045c', 'name': 'codingpy.com'}

branch {'hash': 'f200013e', 'name': 'release01'}

sub-branch {'name': 'subrelease01'}

branch {'name': 'invalid'}

可以对树进行任意遍历——遍历所有元素，查找出自己感兴趣的属性。但是ET可以让这个工作更加简便、快捷。iter方法可以接受tag名称，然后遍历所有具备所提供tag的元素：

>>> for elem in tree.iter(tag='branch'):

... print elem.tag, elem.attrib

...

branch {'hash': '1cdf045c', 'name': 'codingpy.com'}

branch {'hash': 'f200013e', 'name': 'release01'}

branch {'name': 'invalid'}

3、支持通过XPath查找元素

使用XPath查找感兴趣的元素，更加方便。Element对象中有一些find方法可以接受Xpath路径作为参数，find方法会返回第一个匹配的子元素，findall以列表的形式返回所有匹配的子元素, iterfind则返回一个所有匹配元素的迭代器(iterator)。ElementTree对象也具备这些方法，相应地它的查找是从根节点开始的。

下面是一个使用XPath查找元素的示例：

>>> for elem in tree.iterfind('branch/sub-branch'):

... print elem.tag, elem.attrib

...

sub-branch {'name': 'subrelease01'}

上面的代码返回了branch元素之下所有tag为sub-branch的元素。接下来查找所有具备某个name属性的branch元素：

>>> for elem in tree.iterfind('branch[@name="release01"]'):

... print elem.tag, elem.attrib

...

branch {'hash': 'f200013e', 'name': 'release01'}

4、构建XML文档

利用ET，很容易就可以完成XML文档构建，并写入保存为文件。ElementTree对象的write方法就可以实现这个需求。

一般来说，有两种主要使用场景。一是你先读取一个XML文档，进行修改，然后再将修改写入文档，二是从头创建一个新XML文档。

修改文档的话，可以通过调整Element对象来实现。请看下面的例子：

>>> root = tree.getroot()

>>> del root[2]

>>> root[0].set('foo', 'bar')

>>> for subelem in root:

... print subelem.tag, subelem.attrib

...

branch {'foo': 'bar', 'hash': '1cdf045c', 'name': 'codingpy.com'}

branch {'hash': 'f200013e', 'name': 'release01'}

在上面的代码中，我们删除了root元素的第三个子元素，为第一个子元素增加了新属性。这个树可以重新写入至文件中。最终的XML文档应该是下面这样的：

>>> import sys

>>> tree.write(sys.stdout)

text,source

xml,sgml

请注意，文档中元素的属性顺序与原文档不同。这是因为ET是以字典的形式保存属性的，而字典是一个无序的数据结构。当然，XML也不关注属性的顺序。

从头构建一个完整的文档也很容易。ET模块提供了一个SubElement工厂函数，让创建元素的过程变得很简单：

>>> a = ET.Element('elem')

>>> c = ET.SubElement(a, 'child1')

>>> c.text = "some text"

>>> d = ET.SubElement(a, 'child2')

>>> b = ET.Element('elem_b')

>>> root = ET.Element('root')

>>> root.extend((a, b))

>>> tree = ET.ElementTree(root)

>>> tree.write(sys.stdout)

some text

拿例子敲下