Python 标准库 xml 详解

对于简单的 XML 解析处理, 可以使用标准库 xml, 相对于第三方库 lxml, xml 无需额外安装, 但 xml 是用 Python 实现的, 性能不如 lxml

XML 的解析功能主要由 xml.etree.ElementTree 模块完成, 其中包含两个类, ElementTree 用于表示整个 XML 文档, 而 Element 表示文档中的一个节点

示例数据, 命名为 book.xml

<?xml version="1.0"?>
<bookstore><book name="西游记"><author>吴承恩</author><dynasty>明朝</dynasty><similar name="封神演义" author="许仲琳"/></book><book name="红楼梦"><author>曹雪芹</author><dynasty>清朝</dynasty></book><book name="三国演义"><author>罗贯中</author><dynasty>明末清初</dynasty><similar name="三国志" author="陈寿"/></book>
</bookstore>

导入要解析的 XML 文档, 并获取文档的根节点

import xml.etree.ElementTree as ETtree = ET.parse("./book.xml")
root = tree.getroot()

也可以直接解析字符串

with open("./book.xml") as fp:root = ET.fromstring(fp.read())

对于每一个节点 Element:

通过列表接口可以访问直接子节点
通过字典接口可以访问属性节点, 也可通过 attrib 属性(例如 root.attrib)得到真正的字典

其他还有 tag 属性表示标签名, text 表示其包含的文本内容

# 遍历直接子节点
for book in root:print(book.tag, book.attrib, book.get("name"))# 访问根节点下的第2个子节点, 再向下访问第1个子节点的文本, 也就是 "<author>曹雪芹</author>"
author = root[1][0].text
print(type(author), author)

打印输出

book {'name': '西游记'} 西游记
book {'name': '红楼梦'} 红楼梦
book {'name': '三国演义'} 三国演义
<class 'str'> 曹雪芹

获取到的文本结果与 lxml 不同, 这里的结果直接是字符串类型

递归函数, 可以遍历所有的后代节点

# 递归选择所有标签名为 "similar" 的节点
for book in root.iter("similar"):print(book.attrib)

打印输出

{'name': '封神演义', 'author': '许仲琳'}
{'name': '三国志', 'author': '陈寿'}

XPath 语法

XPath 类似于文件路径, 路径中最末尾的部分表示要提取的内容, 分隔符有两种, "/"表示直接子节点的关系, "//"表示所有的子节点

语法	含义
tag	匹配特定标签
*	匹配所有元素
.	当前节点, 用于相对路径
…	父节点
[@attrib]	匹配包含 attrib 属性的节点
[@attrib=‘value’]	匹配 attrib 属性等于 value 的节点
[tag]	匹配包含直接子节点 tag 的节点
[tag=‘text’]	匹配包含直接子节点 tag 且子节点文本内容为 text 的节点
[n]	匹配第 n 个节点

[] 前面必须有标签名, book[@name][similar] 匹配带有 name 属性以及 similar 直接子节点的 book 节点, 然后将 book[@name][similar] 置于 XPath 路径中, 例如 “/bookstore/book[@name][similar]”

可以通过 Element 对象的方法 findall(path) 和 find(path) 使用 XPath 语法, 次时路径是从 Element 代表的节点开始, 也可以通过 ElementTree 对象调用 findall 与 find, 相当于路径从根节点开始

匹配到节点, findall 返回所有匹配节点的列表, find 返回首个匹配节点, 没有匹配到节点时, findall 返回空列表, find 返回 None

# . 表示 bookstore 节点
author_1 = tree.find("./book[@name='红楼梦']/author").text
author_2 = tree.findtext("./book[@name='红楼梦']/author")
print("红楼梦作者:", author_1, author_2)author_3 = root.find("./book/similar[@name='三国志']").get("author")
print("三国志作者:", author_3)

打印结果

红楼梦作者: 曹雪芹 曹雪芹
三国志作者: 陈寿

findtext 类似于 find, 直接获取节点的文本内容

books_1 = root.findall("./book[similar]")
# 对于直接子节点, 可以省略 ./
books_2 = root.findall("book[similar]")
print(books_1 == books_2)
for book in books_1:print(book[0].text, book[1].text)

打印结果

True
吴承恩 明朝
罗贯中 明末清初

Python 标准库 xml 详解相关推荐

Python标准库time详解
Python标准库time详解 1.time库时间戳(timestamp)的方式:通常来说,时间戳表示的是从1970年1月1日00:00:00开始按秒计算的偏移量结构化时间(struct_time ...
pillow是python的图像处理标准库_详解Python图像处理库Pillow常用使用方法
pil(python image library)是python的第三方图像处理库,但是由于其强大的功能与众多的使用人数,几乎已经被认为是python官方图像处理库了. 其官方主页为:pil. pil ...
最全python爬虫库安装详解
目录一.请求库的安装 1.requests 的安装 2.Selenium的安装 3.ChromeDrive 的安装 4.GeckoDriver 的安装 5.PhantomJS 的安装 6.aioht ...
python random库安装,详解python第三方库的安装、PyInstaller库、random库
python第三方库的安装 PyInstaller库 PyInstaller库能够在不同操作系统下将python源文件打包,变成直接可运行的可执行文件. 可以通过-F参数对python源文件生成一个独 ...
Python 标准库 —— xml
什么是 xml? xml:eXtensible Markup Language,即可扩展标记语言,它可以用来标记数据/定义数据类型,是一种允许用户对自己的标记语言进行定义的源语言. // abc.xm ...
【C标准库】详解feof函数与EOF
创作不易,多多支持! ‾ \underline{创作不易,多多支持! } 创作不易,多多支持! 再说此函数之前,先来说一下EOF是什么 EOF,为End Of File的缩写,通常在文本的最后存在此 ...
maven的标准pom.xml详解
<?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://mave ...
python tkinker库模块详解
1.脚本名称不能命名为模块名,否则会报: Traceback (most recent call last): File "C:/Users/Administrator/PycharmP ...
【C标准库】详解fopen函数一篇让你搞懂fopen函数
创作不易,感谢支持!‾\underline{创作不易,感谢支持! }创作不易,感谢支持! fopen函数头文件:stdio.h 功能是打开一个文件,其声明格式是: FILE *fopen(cons ...
python链表库_[转]为什么python标准库没有实现链表
实际上刚开始学习一些高级语言的时候我也有同样的疑问,而且即使有链表对应物的语言,链表常常也很少被实际使用. 如果是在国外听数据结构的课,老师一般会警告你这只是一个理论概念,实际应用应该实际考察,在通常 ...

Python 标准库 xml 详解

Python 标准库 xml 详解相关推荐

最新文章

热门文章