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