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: import xml.etree.cElementTree as ETexcept ImportError: 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"?><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>
有两种方式可以解析xml
1. 从文件中解析xml文件
>>> import xml.etree.cElementTree as ET>>> tree = ET.ElementTree(file='doc1.xml') #载入数据>>> root = tree.getroot() #获取根节点<Element 'doc' at 0x11eb780>
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 in root:... print child.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")[<Element 'neighbor' at 0x14fa0f0>, <Element 'neighbor' at 0x14fa150>, <Element 'neighbor' at 0x14fa3f0>, <Element 'neighbor' at 0x14fa6c0>, <Element 'neighbor' at 0x14fa750>]
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 += 1 elem.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)
赞 (0)