python常用内置模块之xml模块

一.简介

xml是实现不同语言或程序之间进行数据交换的协议，可扩展标记语言，标准通用标记语言的子集。是一种用于标记电子文件使其具有结构性的标记语言。xml格式如下，是通过<>节点来区别数据结构的。

xml(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，html被设计用来显示

数据，其焦点是数据的外观。xml被设计用来传输和存储数据，其焦点是数据的内容。

二.XML文件处理

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表示节点树中

的一个单独的节点。

创建XML文件

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

from xml.etree import ElementTree as ET　　#加载模块，设置一个别名
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"   #text属性--文本
    lastmod = ET.SubElement(url,"lastmod")#在根节点urlset下建立子节点,和loc是同级节点
    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)   　　#ElementTree(tag)初始化一个ElemntTree对象，tag表示根节点
    tree.write("sitemap.xml")　　　　　　#ET对象方法write(),新建一个XML文件，并且将节点数数据写入XML文件中。
    
if __name__ == '__main__':
    build_sitemap()

生成的xml文件在浏览器打开显示为：

<urlset>
    <url>
        <loc>http://www/baidu.com</loc>
        <lastmod>2017-10-10</lastmod>
        <changefreq>daily</changefreq>
        <priority>1.0</priority>
    </url>
</urlset>

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的文本内容

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。

set（）　　　　　　　　　　　　设置属性

del attrib[‘xxx’]　　　　　　　　　　　删除属性

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：

from xml.etree import ElementTree as ET
tree = ET.parse("sitemap.xml")　　 　　#将xml文件加载并返回一个ET对象
url = tree.find("url")  　　　　　　　　#返回第一个匹配的子节点
for rank in tree.iter('loc'): 　　　　 #创建一个以当前节点为根节点的iterator迭代器
    rank.text = "http://www.adminba.com"
tree.write("sitemap.xml") 　　　　　　 #将节点数数据写入XML文件中。

将url修改为http://www.adminba.com了

<urlset>
    <url>
        <loc>http://www.adminba.com</loc>
        <lastmod>2017-10-10</lastmod>
        <changefreq>daily</changefreq>
        <priority>1.0</priority>
    </url>
</urlset>

更多学习　　https://www.cnblogs.com/wang-yc/p/5623393.html

python中文文档 https://docs.python.org/zh-cn/3/library/xml.html

参考自　　https://www.cnblogs.com/ginvip/p/6891534.html