Python中使用ElementTree解析XML示例

【XML基本概念介绍】

XML 指可扩展标记语言(eXtensible Markup Language)。
XML 被设计用来传输和存储数据。
概念一:


<foo>      # foo元素的起始标签  

</foo>     # foo元素的结束标签  

           # note: 每一个起始标签必须有对应的结束标签来闭合, 也可以写成<foo/>  


概念二:

<foo>           # 元素可以嵌套到任意参次  

  <bar></bar>   # bar元素为foo元素的子元素  

</foo>          # 父元素foo的结束标签  


概念三:

<foo lang='EN'>                  # foo元素有个lang的属性,该属性值为: EN;对应Python字典(Name-Value)对;                              

  <bar id='001' lang="CH"></bar> # bar元素有个lang的属性,该属性值为: CH;还有个id属性,值为:001,放置在''或“”中;   

</foo>                           # bar元素中的lang属性不会和foo元素中相冲突,每个元素都有独立的属性集; 

概念四:


<title>Learning Python</title> # 元素可以有文本内容  

                                # Note:如果一个元素即没有文本内容,也没有子元素,则为空元素。  


概念五:

<info>                                  # info元素为根节点  

    <list id='001'> A </list>           # list元素为子节点  

    <list id='002'> B </list>   

    <list id='003'> C </list>  

</info>  


概念六:

<feed xmlns='http://www.w3.org/2005/Atom'>  # 可以通过声明xmlns来定义默认名字空间,feed元素处于http://www.w3.org/2005/Atom命名空间中  

  <title>dive into mark</title>             # title元素也是。名字空间声明不仅会作用于当前声明它的元素,还会影响到该元素的所有子元素  

</feed>  

也可以通过xmlns:prefix声明来定义一个名字空间并取其名为prefix。

然后该名字空间中的每个元素都必须显式地使用这个前缀(prefix)来声明。

<atom:feed xmlns:atom='http://www.w3.org/2005/Atom'>  # feed属于命名空间atom  

  <atom:title>dive into mark</atom:title>             # title元素同样属于该命名空间             

</atom:feed>                                          # xmlns(XML Name Space)  

【XML几种解析方法】

常见的XML编程接口有DOM和SAX,这两种接口处理XML文件的方式不同,使用场合自然也就不同。

Python有三种方法解析XML: SAX,DOM,以及ElementTree:

1.SAX (Simple API for XML )

Pyhton标准库包含SAX解析器,SAX用事件驱动模型,通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。SAX是一种基于事件驱动的API。利用SAX解析XML文档牵涉到两个部分:解析器和事件处理器。
解析器负责读取XML文档,并向事件处理器发送事件,如元素开始及结束事件;而事件处理器则负责对事件作出处理。
优点:SAX流式读取XML文件,比较快,占用内存少。
缺点:需要用户实现回调函数(handler)。

2.DOM(Document Object Model)

将XML数据在内存中解析成一个树,通过对树的操作来操作XML。一个DOM的解析器在解析一个XML文档时,一次性读取整个文档,把文档中所有元素保存在内存中的一个树结构里,之后你可以利用DOM提供的不同的函数来读取或修改文档的内容和结构,也可以把修改过的内容写入xml文件。
优点:使用DOM的好处是你不需要对状态进行追踪,因为每一个节点都知道谁是它的父节点,谁是子节点.
缺点:DOM需要将XML数据映射到内存中的树,一是比较慢,二是比较耗内存,使用起来也比较麻烦!

3.ElementTree(元素树)

ElementTree就像一个轻量级的DOM,具有方便友好的API。代码可用性好,速度快,消耗内存少。
相比而言,第三种方法,即方便,又快速,我们一直用它!下面介绍用元素树如何解析XML:

【ElementTree解析】

两种实现

ElementTree生来就是为了处理XML ,它在Python标准库中有两种实现。
一种是纯Python实现,例如: xml.etree.ElementTree
另外一种是速度快一点的:   xml.etree.cElementTree
尽量使用C语言实现的那种,因为它速度更快,而且消耗的内存更少! 在程序中可以这样写:


try:  

    import xml.etree.cElementTree as ET  

except ImportError:  

    import xml.etree.ElementTree as ET  


常用方法

# 当要获取属性值时,用attrib方法。  

# 当要获取节点值时,用text方法。  

# 当要获取节点名时,用tag方法。  

示例XML


<?xml version="1.0" encoding="utf-8"?>  

<info>  

   <intro>Book message</intro>  

    <list id='001'>  

        <head>bookone</head>  

        <name>python check</name>  

        <number>001</number>  

        <page>200</page>  

    </list>  

    <list id='002'>  

        <head>booktwo</head>  

        <name>python learn</name>  

        <number>002</number>  

        <page>300</page>  

    </list>  

</info>  


###########
##  加载XML
###########

方法一:加载文件


root = ET.parse('book.xml')  


方法二:加载字符串

root = ET.fromstring(xmltext) 

###########
## 获取节点
###########

方法一:获得指定节点->getiterator()方法


book_node = root.getiterator('list')


方法二:获得指定节点->findall()方法

book_node = root.findall('list')  


方法三:获得指定节点->find()方法

book_node = root.find('list')  


方法四:获得儿子节点->getchildren()

for node in book_node:  

    book_node_child = node.getchildren()[0]  

    print book_node_child.tag, '=> ', book_node_child.text

 


###########
##  例子01
###########


# coding=utf-8  

  

try:                                           # 导入模块  

    import xml.etree.cElementTree as ET  

except ImportError:  

    import xml.etree.ElementTree as ET  

  

root   = ET.parse('book.xml')                 # 分析XML文件  

books  = root.findall('/list')                # 查找所有根目录下的list的子节点  

for book_list in books:                       # 对查找后的结果遍历  

    print "=" * 30                            # 输出格式             

    for book in book_list:                    # 对每个子节点再进行遍历,找出里面你的属性及值                       

        if book.attrib.has_key('id'):         # 一句id来做条件判断  

            print "id:", book.attrib['id']    # 根据id打印出属性值  

        print book.tag + '=> ' + book.text    # 输出标签及文本内容  

print "=" * 30  


输出结果:

==============================  

head=> bookone  

name=> python check  

number=> 001  

page=> 200  

==============================  

head=> booktwo  

name=> python learn  

number=> 002  

page=> 300  

==============================  

PS:这里再为大家提供几款关于xml操作的在线工具供大家参考使用:

在线XML/JSON互相转换工具:
http://tools.jb51.net/code/xmljson

在线格式化XML/在线压缩XML:
http://tools.jb51.net/code/xmlformat

XML在线压缩/格式化工具:
http://tools.jb51.net/code/xml_format_compress