VB.net 2010 视频教程 VB.net 2010 视频教程 python基础视频教程
SQL Server 2008 视频教程 c#入门经典教程 Visual Basic从门到精通视频教程
当前位置:
首页 > Python基础教程 >

  • Python3标准库：xml.etree.ElementTree XML操纵API

1. xml.etree.ElementTree XML操纵API

ElementTree库提供了一些工具，可以使用基于事件和基于文档的API来解析XML，可以用XPath表达式搜索已解析的文档，还可以创建新文档或修改现有文档。

1.1 解析XML文档

已解析的XML文档在内存中由ElementTree和Element对象表示，这些对象基于XML文档中节点嵌套的方式按树结构互相连接。

用parse()解析一个完整的文档时，会返回一个ElementTree实例。这个树了解输入文档中的所有数据，另外可以原地搜索或操纵树中的节点。基于这种灵活性，可以更方便的处理已解析的文档，不过，与基于事件的解析方法相比，这种方法往往需要更多的内存，因为必须一次加载整个文档。

对于简单的小文档(如下面的播客列表，被表示为一个OPML大纲)，内存需求不大。

podcasts.opml：


	
    
		
  1. 
			<?xml version="1.0" encoding="UTF-8"?>
    2. 
		
  2. 
			<opml version="1.0">
    3. 
		
  3. 
			<head>
    4. 
		
  4. 
			<title>My Podcasts</title>
    5. 
		
  5. 
			<dateCreated>Sat, 06 Aug 2016 15:53:26 GMT</dateCreated>
    6. 
		
  6. 
			<dateModified>Sat, 06 Aug 2016 15:53:26 GMT</dateModified>
    7. 
		
  7. 
			</head>
    8. 
		
  8. 
			<body>
    9. 
		
  9. 
			<outline text="Non-tech">
    10. 
		
  10. 
			<outline
    11. 
		
  11. 
			text="99% Invisible" type="rss"
    12. 
		
  12. 
			xmlUrl="http://feeds.99percentinvisible.org/99percentinvisible"
    13. 
		
  13. 
			htmlUrl="http://99percentinvisible.org" />
    14. 
		
  14. 
			</outline>
    15. 
		
  15. 
			<outline text="Python">
    16. 
		
  16. 
			<outline
    17. 
		
  17. 
			text="Talk Python to Me" type="rss"
    18. 
		
  18. 
			xmlUrl="https://talkpython.fm/episodes/rss"
    19. 
		
  19. 
			htmlUrl="https://talkpython.fm" />
    20. 
		
  20. 
			<outline
    21. 
		
  21. 
			text="Podcast.__init__" type="rss"
    22. 
		
  22. 
			xmlUrl="http://podcastinit.podbean.com/feed/"
    23. 
		
  23. 
			htmlUrl="http://podcastinit.com" />
    24. 
		
  24. 
			</outline>
    25. 
		
  25. 
			</body>
    26. 
		
  26. 
			</opml>
    27. 
	





	要解析这个文档，需要向parse()传递一个打开的文件句柄。



	

	
    
		
  1. 
			from xml.etree import ElementTree
    2. 
		
  2. 
			 
    3. 
		
  3. 
			with open('podcasts.opml', 'rt') as f:
    4. 
		
  4. 
			tree = ElementTree.parse(f)
    5. 
		
  5. 
			 
    6. 
		
  6. 
			print(tree)
    7. 
	





	这个方法会读取数据、解析XML，并返回一个ElementTree对象。



	



	



	1.2 遍历解析树



	要按顺序访问所有子节点，可以使用iter()创建一个生成器，该生成器迭代处理这个ElementTree实例。



	

	
    
		
  1. 
			from xml.etree import ElementTree
    2. 
		
  2. 
			 
    3. 
		
  3. 
			with open('podcasts.opml', 'rt') as f:
    4. 
		
  4. 
			tree = ElementTree.parse(f)
    5. 
		
  5. 
			 
    6. 
		
  6. 
			for node in tree.iter():
    7. 
		
  7. 
			print(node.tag)
    8. 
	





	这个例子会打印整个树，一次打印一个标记。



	



	如果只是打印播客的名字组和提要URL，则可以只迭代处理outline节点(而不考虑首部中的所有数据)，并且通过查找attrib字典中的值来打印text和xmlUrl属性。



	

	
    
		
  1. 
			from xml.etree import ElementTree
    2. 
		
  2. 
			 
    3. 
		
  3. 
			with open('podcasts.opml', 'rt') as f:
    4. 
		
  4. 
			tree = ElementTree.parse(f)
    5. 
		
  5. 
			 
    6. 
		
  6. 
			for node in tree.iter('outline'):
    7. 
		
  7. 
			name = node.attrib.get('text')
    8. 
		
  8. 
			url = node.attrib.get('xmlUrl')
    9. 
		
  9. 
			if name and url:
    10. 
		
  10. 
			print(' %s' % name)
    11. 
		
  11. 
			print(' %s' % url)
    12. 
		
  12. 
			else:
    13. 
		
  13. 
			print(name)
    14. 
	





	iter()的'outline'参数意味着只处理标记为'outline'的节点。



	



	



	1.3 查找文档中的节点 



	查看整个树并搜索有关的节点可能很容易出错。前面的例子必须查看每一个outline节点，来确定这是一个组(只有一个text属性的节点)还是一个播客(包含text和xmlUrl的节点)。要生成一个简单的播客提要URL列表而不包含名字或组，可以简化逻辑，使用findall()来查找有更多描述性搜索特性的节点。



	对以上第一个版本做出第一次修改，用一个XPath参数来查找所有outline节点。



	

	
    
		
  1. 
			from xml.etree import ElementTree
    2. 
		
  2. 
			 
    3. 
		
  3. 
			with open('podcasts.opml', 'rt') as f:
    4. 
		
  4. 
			tree = ElementTree.parse(f)
    5. 
		
  5. 
			 
    6. 
		
  6. 
			for node in tree.findall('.//outline'):
    7. 
		
  7. 
			url = node.attrib.get('xmlUrl')
    8. 
		
  8. 
			if url:
    9. 
		
  9. 
			print(url)
    10. 
	





	这个版本中的逻辑与使用getiterator()的版本并没有显著区别。这里仍然必须检查是否存在URL，只不过如果没有发现URL，它不会打印组名。



	



	outline节点只有两层嵌套，可以利用这一点，把搜索路径修改为.//outline/outline，这意味着循环只处理outline节点的第二层。



	

	
    
		
  1.