xml文件中的多余信息的删除

xml文件中可能会存入一些不想用的信息，而这些信息是由于采集的时候没法避免引入的。

其中最常见的是版本信息<?xml version='1.0' encoding='UTF-8' standalone='yes' ?>，该如何去除。为了解决这个问题，我试了Google n种关键词，包括remove question mark xml之类的，最后找到的办法也是折衷的，在采集信息的时候，加入换行符，然后再按照下面的处理。

这个网页中讲的是如何去除掉文件中包含某个关键的行（http://segmentfault.com/q/1010000000124564）

import shutil

with open('/path/to/file', 'r') as f:
    with open('/path/to/file.new', 'w') as g:
        for line in f.readlines():
            if '/local/server' not in line:             
                g.write(line)
shutil.move('/path/to/file.new', '/path/to/file')


另外我还找到一种新的读xml文件的方式，（http://pycoders-weekly-chinese.readthedocs.org/en/latest/issue6/processing-xml-in-python-with-element-tree.html）

>>> import xml.etree.cElementTree as ET
>>> tree = ET.ElementTree(file='doc1.xml')

然后抓根结点元素：

>>> tree.getroot()
<Element 'doc' at 0x11eb780>

和预期一样，root 是一个 Element 元素。我们可以来看看：

>>> root = tree.getroot()
>>> root.tag, root.attrib
('doc', {})

注意，在

 tree = ET.ElementTree(file='doc1.xml')括号里面一定要加file，不然后面的root就得不到根节点，这个问题搞了我很久。