python学习笔记：解析XML（the ElementTree XML API）

python提供处理（解析和创建）XML格式文件的接口：xml.etree.ElementTree（以下简称ET） 模块。

> 注：自version3.3后，xml.etree.cElementTree模块废弃。

一、XML格式

XML是一种层级数据格式，通常可以用“树”表示。ET中有两个类（class）可对XML进行表示：

1.  ElementTree：将整个XML文件表示成“树”；（class ET.ElementTree）
2. Element：表示这棵树中的单个节点。（class ET.Element）

二、解析XML

下文以解析 country_data.xml 文件为例：

<?xml version="1.0"?>
<data>
    <country name="Liechtenstein">
        <rank>1</rank>
        <year>2008</year>
        <gdppc>141100</gdppc>
        <neighbor name="Austria" direction="E"/>
        <neighbor name="Switzerland" direction="W"/>
    </country>
    <country name="Singapore">
        <rank>4</rank>
        <year>2011</year>
        <gdppc>59900</gdppc>
        <neighbor name="Malaysia" direction="N"/>
    </country>
    <country name="Panama">
        <rank>68</rank>
        <year>2011</year>
        <gdppc>13600</gdppc>
        <neighbor name="Costa Rica" direction="W"/>
        <neighbor name="Colombia" direction="E"/>
    </country>
</data>

2.1  读取XML格式文件

    2.1.1 读取方法

  （1）方法一：来自文件

import xml.etree.ElementTree as ET
#方法1：来自文件
tree = ET.parse('XXXX.xml')       #文件存储路径，获取整个xml
root = tree.getroot()             #获取xml的根节点

    （2） 方法二：来自文件内容（字符串）

#方法2：来自字符串
root = ET.fromstring('XXXX.xml文件的全部字符串')

       说明：ET.fromstring() 函数将XML文件内容（字符串格式）直接解析为一个Element对象（节点），这个Element是这个被解析的XML树的根节点。

   2.1.2 代码

import xml.etree.ElementTree as ET

filePath = 'C:\codes\data\country_data.xml'

##method1: reading from a file
tree = ET.parse(filePath)
root = tree.getroot()
print(root.tag)

##method2: importing from a string
root2 = ET.fromstring('''<?xml version="1.0"?>
<data>
    <country name="Liechtenstein">
        <rank>1</rank>
        <year>2008</year>
        <gdppc>141100</gdppc>
        <neighbor name="Austria" direction="E"/>
        <neighbor name="Switzerland" direction="W"/>
    </country>
    <country name="Singapore">
        <rank>4</rank>
        <year>2011</year>
        <gdppc>59900</gdppc>
        <neighbor name="Malaysia" direction="N"/>
    </country>
    <country name="Panama">
        <rank>68</rank>
        <year>2011</year>
        <gdppc>13600</gdppc>
        <neighbor name="Costa Rica" direction="W"/>
        <neighbor name="Colombia" direction="E"/>
    </country>
</data>''')
print (root2.tag)

        输出：

 2.2 获取Element对象属性

序号	属性	表示	数据类型	举例
1	Element.tag	element name，指该element对象的类型	字符串	输入：root.tag 输出：data
2	Element.attrib	element atrribute's name and value	字典	输入：root[0].attrib 输出：{‘name’:'Liechtenstein'}
3	Element.text	the text between the element's start tag and its first child or end tag, or None.（当前element起始tag与下一个邻近tag之间的文本）	通常为字符串	输入：root[0][0].text  输出：1
4	Element.tail	the text between the element's end tag and the next tag, or None.（当前element结束tag与下一个tag之间的文本）	通常为字符串	输入：root[0][0].tail 输出：None
5	Element.keys()	获取当前对象/节点属性的键，返回列表	list	输入：root[0].keys() 输出：['name']
6	Element.items()	获取当前对象/节点属性键值对，返回列表	list[(,)]	输入：root[0][3].items() 输出：[('name', 'Austria'), ('direction', 'E')]

 2.3 查询subElement对象的函数

2.3.1查找范围为当前Element对象及以下所有层级

        迭代器查找：Element.iter('tagname')

• 查询当前element对象及以下所有层级tag为tagname的对象（深度优先查找）；
• 若tagname为 None 或 ' * '，则查找当前element对象及以下所有层级的所有对象。

#获取当前element对象下所有层级tag为Neighbor的对象
for neighbor in root.iter('neighbor'):
    print(neighbor.attrib) 

         输出：

2.3.2 查找范围为当前Element对象下一层级

• Element.findall(match)：获取当前Element对象下一层级（仅这一层）匹配的对象列表。
• Element.iterfind(match)：获取当前Element对象下一层级（仅这一层）匹配的对象迭代器。
• Element.find(match)：获取当前Element对象下一层级中第一个匹配的对象。
• Element.findtext(match, default=None)：获取当前Element对象下一层级中第一个匹配的对象的text（不好用，会出现很多'\n（空格）'）。

#查找当前element对象下一层级
print('Using element.findall:')
ele1 = root.findall('country')
for every in ele1:
    print(every.attrib)
print("Using element.iterfind:")
for every in root.iterfind('country'):
    print(every.attrib)
print('Using element.itertext:')
for every in root.itertext():
    if every.startswith('\n')==False:
        print(every)
#查找当前element对象下一层级第一个匹配对象
print('Using element.find:')
ele = root.find('country')
print(ele.attrib)
print('Using element.findtext:')
ranktext = ele.findtext('rank')
print(ranktext)

输出：