文章目录
0. 前言
- Python 的 xml 操作方式有好几种,我只关心最普通、最简单的,也就是 ElementTree 形式。
- 参考资料:Python 官方文档
- 本文只是简单实用,有及格方面不涉及
- Pull API for non-blocking parsing
- Parsing XML with Namespaces
- XPath support
1. 解析操作
1.1. 读取xml文件
- 从文件路径读取
- 假设已经有文件路径
- 则可以通过
tree = ET.parse('country_data.xml')
- 如果要获取根节点,则还要进行一步操作
root = tree.getroot()
- 根据文件内容读取
- 假设已经将文件内容读取为字符串保存。
- 则可以通过
root = ET.fromstring(xml_data_as_string)
直接获取根节点对象。
1.2. 获取节点以及相关信息
- 获取节点的名称:
Element.tag
- 根据条件获取节点
Element.iter('node_name')
- 获取迭代器,跌倒所有名称为
node_name
的节点。 - 会处理所有子节点、子节点的子节点,等等。
- 获取迭代器,跌倒所有名称为
Element.findall(match)
:获取所有匹配的节点。Element.find(match)
:获取第一个匹配的节点。
1.3. 获取属性与文本
- 获取节点属性的方法
Element.attrib
,得到一个字典。Element.get(key)
:根据key获取属性值
- 获取文本(例如
<year>2020</year>
):Element.text
2. 修改文件
2.1. 基本流程
- 构建ElementTree对象。
- 通过一些方法修改ElementTree对象中的Element。具体有哪些后面稍微介绍下。
- 在修改了ElementTree对象后,调用
ElementTree.write(file_path)
方法,就可以将修改的内容保存到本地。
2.2. 修改ElementTree的方式
- 修改属性:
Element.set(key, value)
- 之前提到过,
Element.get(key)
就是获取属性。这个就是对应的set方法。
- 之前提到过,
- 添加子元素:
Element.append(son_element)
- 删除子元素:
Element.remove(son_element)
- 为指定元素创建子元素:
ET.SubElement(father_element, 'son_element_tag')
- 凭空创建元素:
ET.Element('tag_name')
3. 举例
-
例子来自官方文档,这里只是稍微改一下。
-
假设有一个名为
country_data.xml
的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>
3.1. 解析实例
import xml.etree.ElementTree as ET
# 读取、解析文件,获取跟元素
tree = ET.parse('country_data.xml')
root = tree.getroot()
# 获取根元素的标签名称以及所有属性
# data
print(root.tag)
# country {'name': 'Liechtenstein'}
# country {'name': 'Singapore'}
# country {'name': 'Panama'}
print(root.attrib)
# 获取text
# 2008
print(root[0][1].text)
# 遍历名为 neighbor 的所有元素,并输出其对应的属性值
# {'name': 'Austria', 'direction': 'E'}
# {'name': 'Switzerland', 'direction': 'W'}
# {'name': 'Malaysia', 'direction': 'N'}
# {'name': 'Costa Rica', 'direction': 'W'}
# {'name': 'Colombia', 'direction': 'E'}
for neighbor in root.iter('neighbor'):
print(neighbor.attrib)
# 一次性获取所有名为 country 的元素、然后遍历
# 寻找名为 rank 的子节点,获取其text
# 获取 country 元素中的 name 属性
# Liechtenstein 1
# Singapore 4
# Panama 68
for country in root.findall('country'):
rank = country.find('rank').text
name = country.get('name')
print(name, rank)
3.2. 修改实例
import xml.etree.ElementTree as ET
# 读取、解析文件,获取跟元素
tree = ET.parse('country_data.xml')
root = tree.getroot()
# 修改 root
# 修改rank元素的值,并增加属性updated,属性值为yes
for rank in root.iter('rank'):
new_rank = int(rank.text) + 1
rank.text = str(new_rank)
rank.set('updated', 'yes')
# 删除所有rank大于50的country元素
for country in root.findall('country'):
# using root.findall() to avoid removal during traversal
rank = int(country.find('rank').text)
if rank > 50:
root.remove(country)
# 将修改内容写入本地文件中
tree.write('output.xml')
3.3. 构建新的xml文件
a = ET.Element('a')
b = ET.SubElement(a, 'b')
c = ET.SubElement(a, 'c')
d = ET.SubElement(c, 'd')
# 获取普通xml文件字符串
# <a><b /><c><d /></c></a>
print(ET.dump(a))