xml解析模块

Posted 2020-07-29 FuZZ

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

＃创建节点
root = ET.Element("father")   ＃创建一个root根节点    
child1 = ET.Element(\'child1\',tag=\'大儿子\' ,attrib={\'name\':\'儿子1\',\'年龄\':\'22\'})
  ＃创建一个child1节点
child2 = ET.Element(\'child2\',tag=\'小儿子\' ,attrib={\'name\':\'儿子2\',\'年龄\':\'10\'})
   ＃创建一个child2街店    

grandson1 = ET.Element(\'grandson1\')  ＃创建一个grandson1节点
grandson2 = ET.Element(\'grandson2\')  ＃创建一个grandson2节点

＃节点逻辑堆加
child1.append(grandson1)   ＃把grandson1加入到child1的下，成为其子节点
child2.append(grandson2)

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

＃保存xml到文件
tree = ET.ElementTree(root)
tree.write(\'xxoo.xml\',encoding=\'utf-8\', short_empty_elements=False)

方法1

from xml.etree import ElementTree as ET

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\',{})
＃节点逻辑堆加
child1.append(grandson1)   ＃把grandson1加入到child1的下，成为其子节点
child2.append(grandson2)

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

＃保存xml到文件
tree = ET.ElementTree(root)
tree.write(\'xxoo.xml\',encoding=\'utf-8\', short_empty_elements=False)

方法2

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>