xml介绍与解析，及xml库包使用

欢迎大家关注笔者，你的关注是我持续更博的最大动力

原创文章，转载告知，盗版必究

---

xml库包，就是用来解析xml文件，提取出xml文件中存储的具体内容

---

1 XML简单介绍

1.1 XML简单介绍

XML（eXtensible Markup Language）：

可扩展标记语言：被设计用来传输和存储数据

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。

python有三种方法解析XML文件参考：

• SAX（simple API for XML）：
• DOM（Document Object Model）：将XML数据映射到内存中（比较慢、耗内存），解析成一个树，通过对树的操作XML
• ElementTree（元素树）：ElementTree像一个轻量级的DOM，具有方便友好的API，大妈可用性好，速度快，内存消耗少。

1.2 XML语法结构

下面主要以ElementTree来讲解如何解析一个xml文件

2 XML.etree.ElementTree的使用

测试的xml文件：test.xml 数据如下：

<?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>

import xml.etree.ElementTree as ET

2.1 读取xml文件，然后返回根元素

ET.parse()接受参数可以是xml文件路径，也可以是读取xml的文件句柄

parse(source: {read}, parser: Any = None) -> ElementTree

• ET.parse()：接受参数为xml文件路径

import xml.etree.ElementTree as ET

tree = ET.parse('./test.xml')
root = tree.getroot()
print(type(root), root)
# <class 'xml.etree.ElementTree.Element'>
# <Element 'data' at 0x00000243ECFE5958>

• ET.parse()：接受参数为读取xml的文件句柄

import xml.etree.ElementTree as ET

tree = ET.parse(open('./test.xml'))
root = tree.getroot()
print(root)  
# <Element 'data' at 0x00000243ECFE5958>

2.2 获取子元素及子元素属性

作为元素Element，如果有子元素

• 可以使用tag属性获取子元素名，元素名以字符串返回
• 可以使用attrib属性获取子元素中定义的属性，属性以字典键值对返回

for child in root:
    print(child.tag, child.attrib)
    print(type(child.tag), type(child.attrib))
'''
country {'name': 'Liechtenstein'}
<class 'str'> <class 'dict'>
country {'name': 'Singapore'}
<class 'str'> <class 'dict'>
country {'name': 'Panama'}
<class 'str'> <class 'dict'>
'''

2.3 获取元素标签中存储的数据

使用text属性可以获取元素标签中存储的数据，使用text属性返回的是字符串类型

print(root.tag)
print(root.attrib)  # 根标签元素中没有属性，因此返回一个空字典
print(root[0])
print(root[0].text, type(root[0].text))
print(root[0][1])
# root根元素的第一个子元素标签是country，然后country的子元素的第二个元素
print(root[0][1].text, type(root[0][1].text))
'''
data
{}
<Element 'country' at 0x0000018269E1F9A8>
         <class 'str'>
<Element 'year' at 0x00000274B9790A48>
2008 <class 'str'>
'''

2.4 查找指定元素标签中存储的数据

Element.iter() 方法可以递归遍历其下所有子树（包括子级、子级的子级等）

如下：递归的找到根元素下所有的 'neighbor’元素

for neighbor in root.iter('neighbor'):
    # print(neighbor.tag)  # 输出都是neighbor
    print(neighbor.attrib)
'''
{'name': 'Austria', 'direction': 'E'}
{'name': 'Switzerland', 'direction': 'W'}
{'name': 'Malaysia', 'direction': 'N'}
{'name': 'Costa Rica', 'direction': 'W'}
{'name': 'Colombia', 'direction': 'E'}
'''

1、查找指定元素中存储的数据

rootElement.find('childElement_name')：返回子元素中存储的数据，返回类型字符串

2、获取中元素的属性的属性值

rootElement.get('rootElementAttrib_name')：返回元素属性的值，返回类型字符串

for country in root.iter('country'):
    # 查找country元素下的子元素rank，然后输出rank元素中存储的值
    # contry.find('rank')：find()方法是查找country元素的子元素rank存储的值
    rank = country.find('rank').text
    print(type(rank), rank)
    # country.get('name')：get()方法是获取元素country中属性name对应的属性值
    name = country.get('name')
    print(type(name), name)

'''
<class 'str'> 1
<class 'str'> 4
<class 'str'> 68
'''

2.5 修改XML文件

2.5.1 修改xml文件

• 修改元素存储数据：使用text属性
• 修改元素的属性：使用Element.set()方法

for rank in root.iter('rank'):
    new_rank = int(rank.text) + 1  # rank元素标签中存储的值加1
    rank.text = str(new_rank)  # 转换成字符串类型
    rank.set('update', 'yes')  # 给rank元素设置属性  update="yes"

tree.write('output.xml')

修改之后的文件如下：

<?xml version="1.0"?>
<data>
    <country name="Liechtenstein">
        <rank updated="yes">2</rank>
        <year>2008</year>
        <gdppc>141100</gdppc>
        <neighbor name="Austria" direction="E"/>
        <neighbor name="Switzerland" direction="W"/>
    </country>
    <country name="Singapore">
        <rank updated="yes">5</rank>
        <year>2011</year>
        <gdppc>59900</gdppc>
        <neighbor name="Malaysia" direction="N"/>
    </country>
    <country name="Panama">
        <rank updated="yes">69</rank>
        <year>2011</year>
        <gdppc>13600</gdppc>
        <neighbor name="Costa Rica" direction="W"/>
        <neighbor name="Colombia" direction="E"/>
    </country>
</data>

2.5.1 删除xml文件中一些元素

Element.remove()删除元素。假设我们要删除排名高于50的所有国家/地区:

for country in root.findall('country'):
    rank = int(country.find('rank').text)
    if rank > 50:
        root.remove(country)

tree.write('output2.xml')

删除之后的结果如下：

<?xml version="1.0"?>
<data>
    <country name="Liechtenstein">
        <rank updated="yes">2</rank>
        <year>2008</year>
        <gdppc>141100</gdppc>
        <neighbor name="Austria" direction="E"/>
        <neighbor name="Switzerland" direction="W"/>
    </country>
    <country name="Singapore">
        <rank updated="yes">5</rank>
        <year>2011</year>
        <gdppc>59900</gdppc>
        <neighbor name="Malaysia" direction="N"/>
    </country>
</data>

参考1：https://docs.python.org/zh-cn/3/library/xml.html

---

---

♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠ ⊕ ♠