Python 标准库之 xml.etree.ElementTree

Python中有多种xml处理API,常用的有xml.dom.*模块、xml.sax.*模块、xml.parser.expat模块和xml.etree.ElementTree模块(以下简称ET)。本文将主要介绍ET的使用,以及它的常用函数。其它模块的简介,请参照文献[1]。
ET使用Element表示xml中的节点、文本、注释等。其主要属性如下:
tag:string对象,表示数据代表的种类,当为节点时为节点名称。

text:string对象,表示element的内容。

attrib:dictionary对象,表示附有的属性。

tail:string对象,表示element闭合之后的尾迹。

若干子元素(child elements)。
<tag attrib1=1>text</tag>tail
    1     3            2             4
PS: ET模块对于那些恶意构造的数据并不是安全的,如果需要解析数据最好了一下xml的弱点[2]
 
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 ET
except 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
''
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)

Python 标准库之 xml.etree.ElementTree的更多相关文章

  1. Python标准库之 xml.etree.ElementTree

    Element类型是一种灵活的容器对象,用于在内存中存储结构化数据. 每个element对象都具有以下属性: 1. tag:string对象,表示数据代表的种类. 2. attrib:dictiona ...

  2. python解析xml文件之xml.etree.cElementTree和xml.etree.ElementTree区别和基本使用

    1.解析速度:ElementTree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.c ...

  3. [python 学习] 使用 xml.etree.ElementTree 模块处理 XML

    ---恢复内容开始--- 导入数据(读文件和读字符串) 本地文件 country_data.xml <?xml version="1.0"?> <data> ...

  4. python标准库xml.etree.ElementTree的bug

    使用python生成或者解析xml的方法用的最多的可能就数python标准库xml.etree.ElementTree和lxml了,在某些环境下使用xml.etree.ElementTree更方便一些 ...

  5. [python标准库]XML模块

    1.什么是XML XML是可扩展标记语言(Extensible Markup Language)的缩写,其中的 标记(markup)是关键部分.您可以创建内容,然后使用限定标记标记它,从而使每个单词. ...

  6. Python中xml.etree.ElementTree读写xml文件实例

    import osimport xml.etree.ElementTree as ET'''Python 标准库中,提供了6种可以用于处理XML的包,本文举实例说明第6种1.xml.dom2.xml. ...

  7. 【python标准库模块五】Xml模块学习

    Xml模块 xml本身是一种格式规范,是一种包含了数据以及数据说明的文本格式规范.在json没有兴起之前各行各业进行数据交换的时候用的就是这个.目前在金融行业也在广泛在运用. 举个简单的例子,xml是 ...

  8. python模块:xml.etree.ElementTree

    """Lightweight XML support for Python. XML is an inherently hierarchical data format, ...

  9. python 之xml.etree.ElementTree

    Element类型是一种灵活的容器对象,用于在内存中存储结构化数据. [注意]xml.etree.ElementTree模块在应对恶意结构数据时显得并不安全. 每个element对象都具有以下属性: ...

随机推荐

  1. java实现最通俗易懂的01背包问题

    这几天一直在想背包问题,昨天还有个学长专门讲了,但是还是不是很理解,今天我终于想通了背包问题,其实只要理解了这个思路,不管用什么语言,肯定是能编出来的.下面我就来介绍一下背包问题. 1.题目描述: 有 ...

  2. Java-CSV文件读取

    import java.io.BufferedReader; import java.io.FileInputStream; import java.io.IOException; import ja ...

  3. Lucas–Kanade光流算法学习

    Lucas–Kanade光流算法是一种两帧差分的光流估计算法.它由Bruce D. Lucas 和 Takeo Kanade提出.         光流(Optical flow or optic f ...

  4. ProxyPattern(23种设计模式之一)

    设计模式六大原则(1):单一职责原则 设计模式六大原则(2):里氏替换原则 设计模式六大原则(3):依赖倒置原则 设计模式六大原则(4):接口隔离原则 设计模式六大原则(5):迪米特法则 设计模式六大 ...

  5. eclipse导入web项目报错 Cannot find the class file for javax.servlet.ServletContext.

    当eclipse中新导入的Java Project的时候,往往会碰到各种各样的问题,下面是个典型的问题: Cannot find the class file for javax.servlet.Se ...

  6. 一个新手后端需要了解的前端核心知识点之position(一)

    以下内容是基于观看慕课网视频教程总结的知识点,边打代码边总结,符合自己的思维习惯.不是针对新手入门 我做程序的初衷是想做一个网站出来.HTML语言当然重要啊,缺什么就百度什么,很浪费时间,还是好好的打 ...

  7. PHP json_encode中文unicode转码问题

    用PHP的json_encode来处理中文的时候, 中文都会被编码, 变成不可读的, 类似”\u***”的格式,如果想汉字不进行转码,这里提供三种方法 1.升级PHP,在PHP5.4, 这个问题终于得 ...

  8. 使用VM克隆CentOS后,更改网络配置

    在使用VM克隆之后,遇到一件非常郁闷的事,就算我使用‘setup’命令,修改了我的网络配置,依然无法查询到我配置的网卡,也无法开启网卡. 经过百度等一系列手段,总结如下套路--PS:朋友称之为“破釜沉 ...

  9. a 标签 name 属性 页面定位 (二)

    <a href="to_url#somewhere">名字</a> <a name="somewhere">名字</a ...

  10. win32 zbar

    一.zbar官方介绍 ZBar 是款桌面电脑用条形码/二维码扫描工具,支持摄像头及图片扫描,支持多平台,例如 iPhone,Andriod 手机,同时 ZBar封装了二维码扫描的 API 开发包. Z ...