xml解析模块

XML

XML是可扩展标记语言的缩写，是实现不同语言或程序之间进行数据交换的协议,主要可以对key添加属性. 页面做展示(字符类型的一个xml格式数据)\做配置文件(内部xml格式的数据).,每一个节点都是一个element对象

格式：

<data>
<country name="Liechtenstein">
<rank updated="yes">2</rank>
<year>2023</year>
<gdppc>141100</gdppc>
<neighbor direction="E" name="Austria" />
<neighbor direction="W" name="Switzerland" />
</country>
<country name="Singapore">
<rank updated="yes">5</rank>
<year>2026</year>
<gdppc>59900</gdppc>
<neighbor direction="N" name="Malaysia" />
</country>
<country name="Panama">
<rank updated="yes">69</rank>
<year>2026</year>
<gdppc>13600</gdppc>
<neighbor direction="W" name="Costa Rica" />
<neighbor direction="E" name="Colombia" />
</country>
</data>

python解析xml

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

SAX (simple API for XML ) python 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。

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。

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。

注：因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，而SAX流式读取XML文件，比较快，占用内存少，但需要用户实现回调函数（handler）

使用elementtree解析xml

测试文件：

War, Thriller
DVD
2003
PG
10
Talk about a US-Japan war

Anime, Science Fiction
DVD
1989
R
8
A schientific fiction

Anime, Action
DVD
4
PG
10
Vash the Stampede!

Comedy
VHS
PG
2
Viewable boredom

```

解析xml

使用ElementTree.XML将字符串解析为xml对象

from xml.etree import ElementTree as ET

# 打开文件，读取XML内容
xml_str = open('test.xml','r',encoding='utf-8').read()

将字符串解析成xml特殊对象，root代指xml文件的根节点
root = ET.XML(xml_str)

使用ElementTree.parse将文件直接解析问xml对象

from xml.etree import ElementTree as ET

＃直接解析xml文件
tree = ET.parse('test.xml')
# 获取xml文件的根节点
root = tree.getroot()

ElementTree常用的方法：

属性

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。

getroot()：获取根节点.

打印xml信息

from xml.etree import ElementTree as ET

tree = ET.parse('test.xml')
root = tree.getroot()
print(root.tag)           #打印根标签

for i in root:
print(i.tag,i.attrib)    #打印第二层节点的标签名称和属性

for i in root.iter('format'):     #循环打印所有format的标签,并打印名字和内容
print(i.tag,i.text)

输出结果：
collection
movie {'title': 'Enemy Behind'}
movie {'title': 'Transformers'}
movie {'title': 'Trigun'}
movie {'title': 'Ishtar'}
format DVD
format DVD
format DVD
format VHS

修改xml内容

from xml.etree import ElementTree as ET

tree = ET.parse('test.xml')
root = tree.getroot()

for i in root.iter('year'):        #循环所有的year ,然后修改 值,并添加属性
new_year = int(i.text) + 10
node.txt = str(new_year)
i.set('test','testadd')      #添加属性 test 值为testadd

保存xml

#解析xml文件方式 使用write()方法可直接保存
tree.write("new.xml", encoding='utf-8')

＃解析字符串方式，需将当前root转换为
tree = ET.ElementTree(root)
tree.write("new.xml", encoding='utf-8')

创建xml文件

from xml.etree import ElementTree as ET

# 创建根节点
root = ET.Element("father")

# 创建大儿子
child1 = ET.SubElement(root, " 大儿子", attrib={'name':'儿子1','年龄':'22'})
# 创建小儿子
child2 = ET.SubElement(root, "小儿子", attrib={'name':'儿子1','年龄':'22'})

# 在大儿子中创建一个孙子
grandson1 = ET.SubElement(child1,"grandson1")
grandson2 = ET.SubElement(child2,"grandson2")

et = ET.ElementTree(root)  #生成文档对象
et.write("xxoo.xml", encoding="utf-8", xml_declaration=True, short_empty_elements=False)

方法3

创建的xml文档：

<father><child1 name="儿子1" 年龄="22"><grandson1></grandson1></child1><child2 name="儿子2" 年龄="10"><grandson2></grandson2></child2></father>

由于原生保存的XML时默认无缩进，如果想要设置缩进的话， 需要修改保存方式：

from xml.etree import ElementTree as ET
from xml.dom import minidom

def prettify(elem):
"""将节点转换成字符串，并添加缩进。
"""
rough_string = ET.tostring(elem, 'utf-8')
reparsed = minidom.parseString(rough_string)
return reparsed.toprettyxml(indent="\t")

root = ET.Element("father")

child1 = root.makeelement('child1',{'name':'儿子1','年龄':'22'})
child2 = root.makeelement('child2',{'name':'儿子2','年龄':'10'})

grandson1 = child1.makeelement('grandson1',{})
grandson2 = child2.makeelement('grandson2',{})

child1.append(grandson1)
child2.append(grandson2)

root.append(child1)
root.append(child2)

#tree = ET.ElementTree(root)
#tree.write('xxoo.html',encoding='utf-8', short_empty_elements=False)
raw_str = prettify(root)

f = open("xxoo.xml",'w',encoding='utf-8')
f.write(raw_str)
f.close()

效果：

<?xml version="1.0" ?>
<father>
<child1 name="儿子1" 年龄="22">
<grandson1/>
</child1>
<child2 name="儿子2" 年龄="10">
<grandson2/>
</child2>
</father>