xml.etree ElementTree简介

xml.etree ElementTree介绍

ET简介

ET有重要的两个类，一个是ElementTree，另一个是Element.

ET使用

假设有xml文件内容如下：

<?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>

解析xml:

导入数据或者文件：parse(source, parser=None)

获取xml根：tree.getroot()

解析字符串并获取根：ET.fromstring(country_data_as_string)

parse(source, parser=None)   
#source:xml文件
#parser:选择解释器实例，默认XMLParser

#读入文件
tree = ET.parse('country_data.xml')
root = tree.getroot() #获取根

#解析字符串获取根
root = ET.fromstring(country_data_as_string)

root的属性

root有一个标记和一个属性字典。

>>> root.tag
'data'           #这个是标签名
>>> root.attrib
{}				 #这个是标签属性

遍历节点孩子的标签名和属性

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

**通过下标锁定元素

root是根节点，root[0]是根节点下的第一个元素,root[0] [1]是根节点的第一个节点的第二个元素

>>> root[0][1].text
'2008'

获取子元素迭代器

通过Element.iter()可以获取到某元素的子元素的迭代器，如：root.iter(‘neighbor’)获取根元素下的名为neighbor的元素的迭代器

>>> for neighbor in root.iter('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'}

查找节点（元素）

Element.findall()只查找带有标记的节点，这些元素是当前节点的直接子节点。

Element.text访问节点的文本内容

Element.find()查找第一个指定便签的子节点

Element.get()获取节点属性

>>> for country in root.findall('country'):
...     rank = country.find('rank').text
...     name = country.get('name')
...     print(name, rank)
...
Liechtenstein 1
Singapore 4
Panama 68

更改节点信息

ElementTree.write()写入并创建xml文件

Element.set()给节点设置属性

Element.append()给节点添加新的子节点

>>> for rank in root.iter('rank'):
...     new_rank = int(rank.text) + 1
...     rank.text = str(new_rank)
...     rank.set('updated', 'yes')
...
>>> tree.write('output.xml')

移除节点

Element.remove()能移除整个节点，包括它的子节点。

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

XML文件将变成：（这里删除了一个节点，包括它的子节点）

<?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>

构建XML文件

ET.Element()创建一个节点

ET.SubElement()创建子节点

>>> a = ET.Element('a')
>>> b = ET.SubElement(a, 'b')
>>> c = ET.SubElement(a, 'c')
>>> d = ET.SubElement(c, 'd')
>>> ET.dump(a)
<a><b /><c><d /></c></a>

xpath表达式

​ ET支持xpath表达式，xpath是用来分析XML/HTML文件或数据的。我们可以通过xpath表达式来快速得锁定HTML/XML的节点或元素。在HTML中标签通常称为节点。（有一点值得注意的是，在ET中有部分xpath表达式不能直接使用）

​ 这里就简单介绍一下xpath语法。

xpath语法

简单的语法

/             #根节点或节点间的过渡
//            #跨越节点获取节点
.			  #选取当前节点
..			  #当前节点的父节点（在ET中不能通过子节点直接获取父节点）
@		      #选取属性
text()		  #选取文本（在ET中不能使用）
[index]		  #根据index获取第index个标签（index从1开始）
[@Classname]  #根据属性名获取标签
contains(p,content)      #模糊查询（p定位，content匹配字段）

xpath有点像文件路径的写法，很容易学习，下面的简单例子能帮助理解。

简单的例子

#根节点下的html的标签中的body标签中的div标签中的div标签
/html/body/div/div         

#获取所以a标签
//a

#获取html的标签中的body标签中的所有a标签（可以跨越节点，不必一定是子节点）
/html/body//a

#在当前节点下的a标签
./a

#当前节点的父标签中的a标签
../a

#根节点下的html的标签中的body标签中的a标签中的class属性
/html/body/a/@class

#li便签下的第3个li标签
//li[3]

#通过属性定位
//a[@href=""]

#html的标签中的body标签中的a标签中的文本内容
/html/body/a/text()

#获取a标签，并且属性name中有字段"myname"
//a[contains(@name,"myname")]

其他xpath博客连接： https://blog.csdn.net/qq_43203949/article/details/108203340.

在ET上使用xpath

如果学过parsel模块包的，把findall()当成extract()或者getall()方法就可以了。

import xml.etree.ElementTree as ET

root = ET.fromstring(countrydata)

# Top-level elements（当前节点就是根节点）
root.findall(".")

# All 'neighbor' grand-children of 'country' children of the top-level
# elements
root.findall("./country/neighbor")

# Nodes with name='Singapore' that have a 'year' child
root.findall(".//year/..[@name='Singapore']")

# 'year' nodes that are children of nodes with name='Singapore'
root.findall(".//*[@name='Singapore']/year")

# All 'neighbor' nodes that are the second child of their parent
root.findall(".//neighbor[2]")