Python内置模块-xml模块

xml即可扩展标记语言，它可以用来标记数据、定义数据类型，是一种允许用户对自己的标记语言进行定义的源语言。从结构上，很像HTML超文本标记语言。但他们被设计的目的是不同的，超文本标记语言被设计用来显示数据，其焦点是数据的外观。它被设计用来传输和存储数据，其焦点是数据的内容。那么Python是如何处理XML语言文件的呢?下面一起来看看Python常用内置模块之xml模块吧。

本文主要学习的ElementTree是python的XML处理模块，它提供了一个轻量级的对象模型。在使用ElementTree模块时，需要import xml.etree.ElementTree的操作。ElementTree表示整个XML节点树，而Element表示节点数中的一个单独的节点。

构建XML文件

ElementTree(tag)，其中tag表示根节点，初始化一个ElementTree对象。

Element(tag, attrib={}, **extra)函数用来构造XML的一个根节点，其中tag表示根节点的名称，attrib是一个可选项，表示节点的属性。

SubElement(parent, tag, attrib={}, **extra)用来构造一个已经存在的节点的子节点 Element.text和SubElement.text表示element对象的额外的内容属性，Element.tag和Element.attrib分别表示element对象的标签和属性。

ElementTree.write(file, encoding='us-ascii', xml_declaration=None, default_namespace=None, method='xml')，函数新建一个XML文件，并且将节点数数据写入XML文件中。

下面以新建一个网站的sitemap.xml文件为例进行代码示例

 
          #!/usr/bin/env python 
         
          # -*- coding:utf-8 -*- 
         
          from 
          xml.etree  
          import 
          ElementTree as ET 
         
          def 
          build_sitemap(): 
         
          urlset  
          = 
          ET.Element( 
          "urlset" 
          )    
          #设置一个根节点，标签为urlset 
         
          url  
          = 
          ET.SubElement(urlset, 
          "url" 
          )    
          #在根节点urlset下建立子节点 
         
          loc  
          = 
          ET.SubElement(url, 
          "loc" 
          ) 
         
          loc.text  
          = 
          "http://www/baidu.com" 
         
          lastmod  
          = 
          ET.SubElement(url, 
          "lastmod" 
          ) 
         
          lastmod.text  
          = 
          "2017-10-10" 
         
          changefreq  
          = 
          ET.SubElement(url, 
          "changefreq" 
          ) 
         
          changefreq.text  
          = 
          "daily" 
         
          priority  
          = 
          ET.SubElement(url, 
          "priority" 
          ) 
         
          priority.text  
          = 
          "1.0" 
         
          tree  
          = 
          ET.ElementTree(urlset) 
         
          tree.write( 
          "sitemap.xml" 
          ) 
         
          if 
          __name__  
          = 
          = 
          '__main__' 
          : 
         
          build_sitemap()

结果如下图所示：

解析和修改XML文件

ElementTree.parse(source, parser=None)，将xml文件加载并返回ElementTree对象。parser是一个可选的参数，如果为空，则默认使用标准的XMLParser解析器。

ElementTree.getroot()，得到根节点。返回根节点的element对象。

Element.remove(tag)，删除root下名称为tag的子节点以下函数，ElementTree和Element的对象都包含。

find(match)，得到第一个匹配match的子节点，match可以是一个标签名称或者是路径。返回个element findtext(match,default=None)，得到第一个配置的match的element的内容 findall(match)，得到匹配match下的所有的子节点，match可以是一个标签或者是路径，它会返回一个list，包含匹配的elements的信息 iter(tag)，创建一个以当前节点为根节点的iterator。

还是以上面创建的sitemap.xml为例，对其进行一定的修改，代码示例如下：

 
          #!/usr/bin/env python 
         
 
          # -*- coding:utf-8 -*- 
         

             
         
 
          from 
          xml.etree  
          import 
          ElementTree as ET 
         
 
          tree  
          = 
          ET.parse( 
          "sitemap.xml" 
          ) 
         
 
          url  
          = 
          tree.find( 
          "url" 
          ) 
         
 
          for 
          rank  
          in 
          tree. 
          iter 
          ( 
          'loc' 
          ): 
         
 
               
          rank.text  
          = 
          "http://www.adminba.com" 
         
 
          tree.write( 
          "sitemap.xml" 
          ) 
         

以上的代码将url修改为http://www.adminba.com了。另外，节点还有set（设置节点属性）、attrib（删除节点属性）方法。