python XML文件解析:用ElementTree解析XML
Python標準庫中,提供了ET的兩種實現。一個是純Python實現的xml.etree.ElementTree,另一個是速度更快的C語言實現xml.etree.cElementTree。請記住始終使用C語言實現,因為它的速度要快很多,而且內存消耗也要少很多。如果你所使用的Python版本中沒有cElementTree所需的加速模塊,你可以這樣導入模塊
try: import xml.etree.cElementTree as ET except ImportError: import xml.etree.ElementTree as ET
xml file
<?xml version="1.0"?> <doc> <branch name="codingpy.com" hash="1cdf045c"> text,source </branch> <branch name="release01" hash="f200013e"> <sub-branch name="subrelease01"> xml,sgml </sub-branch> </branch> <branch name="invalid"> </branch> </doc>
1、將XML文檔解析為樹(tree)
加載這個文檔,並進行解析
>>> import xml.etree.ElementTree as ET >>> tree = ET.ElementTree(file=‘doc1.xml‘)
獲取根元素(root element):
>>> tree.getroot() <Element ‘doc‘ at 0x11eb780>
根元素(root)是一個Element對象,看根元素都有哪些屬性:
>>> root = tree.getroot() >>> root.tag, root.attrib (‘doc‘, {})
根元素並沒有屬性。與其他Element對象一樣,根元素也具備遍歷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‘}
還可以通過索引值來訪問特定的子元素:
>>> root[0].tag, root[0].text (‘branch‘, ‘\n text,source\n ‘)
2、查找需要的元素
Element對象有一個iter方法,可以對某個元素對象之下所有的子元素進行深度優先遍歷(DFS)。ElementTree對象同樣也有這個方法。下面是查找XML文檔中所有元素的最簡單方法:
>>> 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‘}
可以對樹進行任意遍歷——遍歷所有元素,查找出自己感興趣的屬性。但是ET可以讓這個工作更加簡便、快捷。iter方法可以接受tag名稱,然後遍歷所有具備所提供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、支持通過XPath查找元素
使用XPath查找感興趣的元素,更加方便。Element對象中有一些find方法可以接受Xpath路徑作為參數,find方法會返回第一個匹配的子元素,findall以列表的形式返回所有匹配的子元素, iterfind則返回一個所有匹配元素的叠代器(iterator)。ElementTree對象也具備這些方法,相應地它的查找是從根節點開始的。
下面是一個使用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‘}
上面的代碼返回了branch元素之下所有tag為sub-branch的元素。接下來查找所有具備某個name屬性的branch元素:
>>> for elem in tree.iterfind(‘branch[@name="release01"]‘): ... print elem.tag, elem.attrib ... branch {‘hash‘: ‘f200013e‘, ‘name‘: ‘release01‘}
4、構建XML文檔
利用ET,很容易就可以完成XML文檔構建,並寫入保存為文件。ElementTree對象的write方法就可以實現這個需求。
一般來說,有兩種主要使用場景。一是你先讀取一個XML文檔,進行修改,然後再將修改寫入文檔,二是從頭創建一個新XML文檔。
修改文檔的話,可以通過調整Element對象來實現。請看下面的例子:
>>> 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‘}
在上面的代碼中,我們刪除了root元素的第三個子元素,為第一個子元素增加了新屬性。這個樹可以重新寫入至文件中。最終的XML文檔應該是下面這樣的:
>>> import sys >>> tree.write(sys.stdout) <doc> <branch foo="bar" hash="1cdf045c" name="codingpy.com"> text,source </branch> <branch hash="f200013e" name="release01"> <sub-branch name="subrelease01"> xml,sgml </sub-branch> </branch> </doc>
請註意,文檔中元素的屬性順序與原文檔不同。這是因為ET是以字典的形式保存屬性的,而字典是一個無序的數據結構。當然,XML也不關註屬性的順序。
從頭構建一個完整的文檔也很容易。ET模塊提供了一個SubElement工廠函數,讓創建元素的過程變得很簡單:
>>> 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) <root><elem><child1>some text</child1><child2 /></elem><elem_b /></root>
拿例子敲下
python XML文件解析:用ElementTree解析XML