您现在的位置：程式師世界 >> 編程語言 > >> 更多編程語言 >> Python

python學習筆記：解析XML（the ElementTree XML API）

編輯：Python

python提供處理（解析和創建）XML格式文件的接口：xml.etree.ElementTree（以下簡稱ET） 模塊。

> 注：自version3.3後，xml.etree.cElementTree模塊廢棄。

一、XML格式

XML是一種層級數據格式，通常可以用“樹”表示。ET中有兩個類（class）可對XML進行表示：

ElementTree：將整個XML文件表示成“樹”；（class ET.ElementTree）
Element：表示這棵樹中的單個節點。（class ET.Element）

二、解析XML

下文以解析 country_data.xml 文件為例：

<?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 讀取XML格式文件

2.1.1 讀取方法

（1）方法一：來自文件

import xml.etree.ElementTree as ET
#方法1：來自文件
tree = ET.parse('XXXX.xml') #文件存儲路徑，獲取整個xml
root = tree.getroot() #獲取xml的根節點

（2）方法二：來自文件內容（字符串）

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

說明：ET.fromstring() 函數將XML文件內容（字符串格式）直接解析為一個Element對象（節點），這個Element是這個被解析的XML樹的根節點。

2.1.2 代碼

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)

輸出：

2.2 獲取Element對象屬性

序號屬性表示數據類型舉例1Element.tagelement name，指該element對象的類型字符串

輸入：root.tag

輸出：data

2Element.attribelement atrribute's name and value字典

輸入：root[0].attrib

輸出：{‘name’:'Liechtenstein'}

3Element.textthe text between the element's start tag and its first child or end tag, or None.（當前element起始tag與下一個鄰近tag之間的文本）通常為字符串

輸入：root[0][0].text

輸出：1

4Element.tailthe text between the element's end tag and the next tag, or None.（當前element結束tag與下一個tag之間的文本）通常為字符串

輸入：root[0][0].tail

輸出：None

5Element.keys()獲取當前對象/節點屬性的鍵，返回列表list

輸入：root[0].keys()

輸出：['name']

6Element.items()獲取當前對象/節點屬性鍵值對，返回列表list[(,)]

輸入：root[0][3].items()

輸出：[('name', 'Austria'), ('direction', 'E')]

2.3 查詢subElement對象的函數

2.3.1查找范圍為當前Element對象及以下所有層級

迭代器查找：Element.iter('tagname')

查詢當前element對象及以下所有層級tag為tagname的對象（深度優先查找）；
若tagname為 None 或 ' * '，則查找當前element對象及以下所有層級的所有對象。

#獲取當前element對象下所有層級tag為Neighbor的對象
for neighbor in root.iter('neighbor'):
print(neighbor.attrib)

輸出：

2.3.2 查找范圍為當前Element對象下一層級

Element.findall(match)：獲取當前Element對象下一層級（僅這一層）匹配的對象列表。
Element.iterfind(match)：獲取當前Element對象下一層級（僅這一層）匹配的對象迭代器。
Element.find(match)：獲取當前Element對象下一層級中第一個匹配的對象。
Element.findtext(match, default=None)：獲取當前Element對象下一層級中第一個匹配的對象的text（不好用，會出現很多'\n（空格）'）。

#查找當前element對象下一層級
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)
#查找當前element對象下一層級第一個匹配對象
print('Using element.find:')
ele = root.find('country')
print(ele.attrib)
print('Using element.findtext:')
ranktext = ele.findtext('rank')
print(ranktext)

輸出：