Python 第三方模块之 ElementTree（ET）- 解析XML文件

ElementTree是Python常用的处理XML文件的类。下面将介绍使用ElementTree解析、查找、修改XML的方法。

1、引用方法

import xml.etree.ElementTree as ET

2、一个XML例子

下面所有的操作都将下面这段XML为例，我们将它保存为sample.xml。

<?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>

先对XML的格式做一些说明：
Tag： 标签，如country标签
Element：被Tag包围的部分，值，如 68，2011 等
Attribute：标签的属性，如country标签的name

3、解析XML

3.1 读取

读入XML数据有三种途径，从文件读入和从字符串读入，文件读入有2种

1、python3.3之后ElementTree模块会自动寻找可用的C库来加快速度

import xml.etree.ElementTree as ET
 
 
tree = ET.parse('sample.xml')
root = tree.getroot()

2、调用ElementTree类ElementTree(self, element=None, file=None) # 这里的element作为根节点

import xml.etree.ElementTree as ET
 
 
tree = ET.ElementTree(file="country.xml")
root = tree.getroot()  # <Element 'data' at 0x030EA600>

3、从字符串读入：

import xml.etree.ElementTree as ET
 
 
data = open("country.xml").read()
root = ET.fromstring(data)
# root = ET.fromstring(sample_as_string)

3.2 查看Tag和Attribute

# 当要获取属性值时，用attrib方法。 返回一个字典,如
print(root.attrib)
# 可以Element.get(AttributeName)来代替Element.attrib[AttributeName]来访问。
 
# 当要获取节点值时，用text方法。返回一个字符串，如
print(root.text)
 
# 当要获取节点名时，用tag方法。 返回一个字符串，如
print(root.tag)

3.3 查看孩子

.root.attrib返回的是一个空字典，如果看root的孩子，可以得到非空的attrib字典。

1、使用for…in…查询根节点下二级节点的所有元素

print(root.tag)# 根节点标签
for child in root:
     print(child.tag,child.attrib)  # 二级节点标签、属性、内容,结果得到
# country {'name': 'Liechtenstein'}
# country {'name': 'Singapore'}
# country {'name': 'Panama'}

2、使用findall等查询根节点下的元素

• Element.iter()用来寻找所有符合要求的Tag，注意，这里查找的范围是所有孩子和孩子的孩子 and so
• Element.findall()只查找直接的孩子，返回所有符合要求的Tag的Element
• Element.find()只返回符合要求的第一个Element。如果查看Singapore的year的值

for child in root.findall('.//country'):
     print(child.tag,child.attrib)

4、修改XML

前面已经介绍了如何获取一个Element的对象，以及查看它的Tag、Attribute、值和它的孩子。下面介绍如何修改一个Element并对XML文件进行保存

修改Element。修改Element可以直接访问Element.text。

import xml.etree.ElementTree as ET
 
 
# 修改Element的Attribute，也可以用来新增Attribute：
ET.Element.set('AttributeName','AttributeValue')
 
# 新增孩子节点：
root.append(childElement)
 
# 删除孩子节点：
root.remove(childElement)

保存XML。我们从文件解析的时候，我们用了一个ElementTree的对象tree，在完成修改之后，还用tree来保存XML文件。

tree.write('output.xml')

构建XML。ElementTree提供了两个静态函数（直接用类名访问，这里我们用的是ET）可以很方便的构建一个XML，如：

import xml.etree.ElementTree as ET
 
 
root = ET.Element('data')
country = ET.SubElement(root,'country', {'name':'Liechtenstein'})  # root 增加 country 节点
rank = ET.SubElement(country,'rank')  # country 增加 rank 节点
rank.text = '1'
year = ET.SubElement(country,'year')  # country 增加 year节点
year.text = '2008'
ET.dump(root)

5、XPath支持

XPath表达式用来在XML中定位Element，下面给一个例子来说明：

import xml.etree.ElementTree as ET
root = ET.fromstring(countrydata)
 
# Top-level elements
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]")

6、namespace

6.1 namespace 获取

# namespace 为 正则匹配获取，可能不同版本的会获取不到
root = tree.getroot()
namespace = re.search('\{.*?\}', root.tag)[0]

6.2 xml.etree.Element 在处理含有namespace的xml文件时写入会产生ns0

root = tree.getroot()
namespace = re.search('\{.*?\}', root.tag)[0]
ET.register_namespace('', namespace.strip('{}'))  # 部分人说这步需要在parse之前做，在我的版本上不需要

7、其他错误

7.1 Error parsing XML: junk after document element

一般合法的XML文件只有一个主根节点，比如

<android123>
<item1/>
<item2/>
<item3/>
</android123>

如果出现了Error parsing XML: junk after document element这样的错误，你的想法可能只要主根有多个节点，比如说

<android123>
<item1/>
</android123>
<android123>
<item2/>
<item3/>
</android123>

xml不能解析，原因有可能为xml格式写的不对，考虑根节点不对。