Python中使用ElementTree解析XML示例


Posted in Python onJune 02, 2015

【XML基本概念介绍】

XML 指可扩展标记语言(eXtensible Markup Language)。
XML 被设计用来传输和存储数据。
概念一:

<foo>      # foo元素的起始标签  

</foo>     # foo元素的结束标签  

           # note: 每一个起始标签必须有对应的结束标签来闭合, 也可以写成<foo/> 

概念二:
<foo>           # 元素可以嵌套到任意参次  

  <bar></bar>   # bar元素为foo元素的子元素  

</foo>          # 父元素foo的结束标签 

概念三:
<foo lang='EN'>                  # foo元素有个lang的属性,该属性值为: EN;对应Python字典(Name-Value)对;                              

  <bar id='001' lang="CH"></bar> # bar元素有个lang的属性,该属性值为: CH;还有个id属性,值为:001,放置在''或“”中;   

</foo>                           # bar元素中的lang属性不会和foo元素中相冲突,每个元素都有独立的属性集;

概念四:

<title>Learning Python</title> # 元素可以有文本内容  

                                # Note:如果一个元素即没有文本内容,也没有子元素,则为空元素。 

概念五:
<info>                                  # info元素为根节点  

    <list id='001'> A </list>           # list元素为子节点  

    <list id='002'> B </list>   

    <list id='003'> C </list>  

</info> 

概念六:
<feed xmlns='http://www.w3.org/2005/Atom'>  # 可以通过声明xmlns来定义默认名字空间,feed元素处于http://www.w3.org/2005/Atom命名空间中  

  <title>dive into mark</title>             # title元素也是。名字空间声明不仅会作用于当前声明它的元素,还会影响到该元素的所有子元素  

</feed>  

也可以通过xmlns:prefix声明来定义一个名字空间并取其名为prefix。

然后该名字空间中的每个元素都必须显式地使用这个前缀(prefix)来声明。

<atom:feed xmlns:atom='http://www.w3.org/2005/Atom'>  # feed属于命名空间atom  

  <atom:title>dive into mark</atom:title>             # title元素同样属于该命名空间             

</atom:feed>                                          # xmlns(XML Name Space) 

【XML几种解析方法】

常见的XML编程接口有DOM和SAX,这两种接口处理XML文件的方式不同,使用场合自然也就不同。

Python有三种方法解析XML: SAX,DOM,以及ElementTree:

1.SAX (Simple API for XML )

Pyhton标准库包含SAX解析器,SAX用事件驱动模型,通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。SAX是一种基于事件驱动的API。利用SAX解析XML文档牵涉到两个部分:解析器和事件处理器。
解析器负责读取XML文档,并向事件处理器发送事件,如元素开始及结束事件;而事件处理器则负责对事件作出处理。
优点:SAX流式读取XML文件,比较快,占用内存少。
缺点:需要用户实现回调函数(handler)。

2.DOM(Document Object Model)

将XML数据在内存中解析成一个树,通过对树的操作来操作XML。一个DOM的解析器在解析一个XML文档时,一次性读取整个文档,把文档中所有元素保存在内存中的一个树结构里,之后你可以利用DOM提供的不同的函数来读取或修改文档的内容和结构,也可以把修改过的内容写入xml文件。
优点:使用DOM的好处是你不需要对状态进行追踪,因为每一个节点都知道谁是它的父节点,谁是子节点.
缺点:DOM需要将XML数据映射到内存中的树,一是比较慢,二是比较耗内存,使用起来也比较麻烦!

3.ElementTree(元素树)

ElementTree就像一个轻量级的DOM,具有方便友好的API。代码可用性好,速度快,消耗内存少。
相比而言,第三种方法,即方便,又快速,我们一直用它!下面介绍用元素树如何解析XML:

【ElementTree解析】

两种实现

ElementTree生来就是为了处理XML ,它在Python标准库中有两种实现。
一种是纯Python实现,例如: xml.etree.ElementTree
另外一种是速度快一点的:   xml.etree.cElementTree
尽量使用C语言实现的那种,因为它速度更快,而且消耗的内存更少! 在程序中可以这样写:

try:  

    import xml.etree.cElementTree as ET  

except ImportError:  

    import xml.etree.ElementTree as ET 

常用方法
# 当要获取属性值时,用attrib方法。  

# 当要获取节点值时,用text方法。  

# 当要获取节点名时,用tag方法。 

示例XML

<?xml version="1.0" encoding="utf-8"?>  

<info>  

   <intro>Book message</intro>  

    <list id='001'>  

        <head>bookone</head>  

        <name>python check</name>  

        <number>001</number>  

        <page>200</page>  

    </list>  

    <list id='002'>  

        <head>booktwo</head>  

        <name>python learn</name>  

        <number>002</number>  

        <page>300</page>  

    </list>  

</info> 

###########
##  加载XML
###########

方法一:加载文件

root = ET.parse('book.xml') 

方法二:加载字符串
root = ET.fromstring(xmltext)

###########
## 获取节点
###########

方法一:获得指定节点->getiterator()方法

book_node = root.getiterator('list')

方法二:获得指定节点->findall()方法
book_node = root.findall('list') 

方法三:获得指定节点->find()方法
book_node = root.find('list') 

方法四:获得儿子节点->getchildren()
for node in book_node:  

    book_node_child = node.getchildren()[0]  

    print book_node_child.tag, '=> ', book_node_child.text

 

###########
##  例子01
###########

# coding=utf-8  

  

try:                                           # 导入模块  

    import xml.etree.cElementTree as ET  

except ImportError:  

    import xml.etree.ElementTree as ET  

  

root   = ET.parse('book.xml')                 # 分析XML文件  

books  = root.findall('/list')                # 查找所有根目录下的list的子节点  

for book_list in books:                       # 对查找后的结果遍历  

    print "=" * 30                            # 输出格式             

    for book in book_list:                    # 对每个子节点再进行遍历,找出里面你的属性及值                       

        if book.attrib.has_key('id'):         # 一句id来做条件判断  

            print "id:", book.attrib['id']    # 根据id打印出属性值  

        print book.tag + '=> ' + book.text    # 输出标签及文本内容  

print "=" * 30 

输出结果:
==============================  

head=> bookone  

name=> python check  

number=> 001  

page=> 200  

==============================  

head=> booktwo  

name=> python learn  

number=> 002  

page=> 300  

============================== 
Python 相关文章推荐
python多进程操作实例
Nov 21 Python
使用Python实现一个简单的项目监控
Mar 31 Python
解析Python编程中的包结构
Oct 25 Python
浅谈Python中用datetime包进行对时间的一些操作
Jun 23 Python
利用python爬取软考试题之ip自动代理
Mar 28 Python
Python机器学习之决策树算法
Dec 22 Python
Python 实现使用dict 创建二维数据、DataFrame
Apr 13 Python
Scrapy框架爬取Boss直聘网Python职位信息的源码
Feb 22 Python
Pandas0.25来了千万别错过这10大好用的新功能
Aug 07 Python
python多进程间通信代码实例
Sep 30 Python
关于python pycharm中输出的内容不全的解决办法
Jan 10 Python
Tensorflow:转置函数 transpose的使用详解
Feb 11 Python
Python文档生成工具pydoc使用介绍
Jun 02 #Python
自己使用总结Python程序代码片段
Jun 02 #Python
python执行子进程实现进程间通信的方法
Jun 02 #Python
Python多进程并发(multiprocessing)用法实例详解
Jun 02 #Python
使用pdb模块调试Python程序实例
Jun 02 #Python
python使用xmlrpclib模块实现对百度google的ping功能
Jun 02 #Python
python基于xmlrpc实现二进制文件传输的方法
Jun 02 #Python
You might like
一个简单的自动发送邮件系统(二)
2006/10/09 PHP
PHP使用DES进行加密与解密的方法详解
2013/06/06 PHP
preg_match_all使用心得分享
2014/01/31 PHP
微信公众号点击菜单即可打开并登录微站的实现方法
2014/11/14 PHP
PHP Ajax跨域问题解决方案代码实例
2020/08/01 PHP
原生Js实现按的数据源均分时间点幻灯片效果(已封装)
2010/12/28 Javascript
使用js在页面中绘制表格核心代码
2013/09/16 Javascript
使用js获取图片原始尺寸
2014/12/03 Javascript
JS实现的生成随机数的4个函数分享
2015/02/11 Javascript
jquery+正则实现统一的表单验证
2015/09/20 Javascript
AngularJs  unit-testing(单元测试)详解
2016/09/02 Javascript
js控制台输出的方法(详解)
2016/11/26 Javascript
js for循环倒序输出数组元素的实例
2017/03/01 Javascript
node.js学习之事件模块Events的使用示例
2017/09/28 Javascript
详解vue mint-ui源码解析之loadmore组件
2017/10/11 Javascript
Vue+Django项目部署详解
2019/05/30 Javascript
vue.js this.$router.push获取不到params参数问题
2020/03/03 Javascript
vue实现滚动鼠标滚轮切换页面
2020/12/13 Vue.js
python使用正则表达式来获取文件名的前缀方法
2018/10/21 Python
Python 数据可视化pyecharts的使用详解
2019/06/26 Python
用python求一个数组的和与平均值的实现方法
2019/06/29 Python
详解python中的index函数用法
2019/08/06 Python
Python使用selenium + headless chrome获取网页内容的方法示例
2019/10/16 Python
Keras搭建自编码器操作
2020/07/03 Python
Html5定位终极解决方案
2020/02/05 HTML / CSS
SmartBuyGlasses比利时:购买品牌太阳镜和眼镜
2019/08/09 全球购物
TecoBuy澳大利亚:在线电子和小工具商店
2020/06/25 全球购物
聚美优品的广告词
2014/03/14 职场文书
新品发布会主持词
2014/04/02 职场文书
《大作家的小老师》教学反思
2014/04/16 职场文书
党内外群众意见范文
2015/06/02 职场文书
运动会广播稿200字
2015/08/19 职场文书
2016年小学生迎国庆广播稿
2015/12/18 职场文书
小学班主任培训心得体会
2016/01/07 职场文书
Pytorch中Softmax和LogSoftmax的使用详解
2021/06/05 Python
JavaScript小技巧带你提升你的代码技能
2021/09/15 Javascript