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