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 ...
最新文章
- 成本砍砍砍!不用数据也能用 BERT 做对比学习?
- Linux负载均衡软件LVS
- 网页打开慢与服务器有关吗,网站打开好慢! 原来是这些原因造成的
- 【错误记录】Kotlin 1.5.0 编译报错 ( 1.5.0 中 Float 不能直接转 Byte 类型 )
- Tomcat 中文乱码 设置UTF-8编码 问题解决办法
- scss怎么引入到html,Sass 导入指令
- linux suse 安装redis,suse 配置redis远程访问
- android 兼容性定义,谷歌释出 Android 7.0 兼容性定义文件,史上最严
- synchronousqueue场景_【JUC】JDK1.8源码分析之SynchronousQueue(九)
- “绿坝”最终会不了了之
- linux开机禁用vga设备,用vga_switcheroo在Linux下(开启KMS)彻底关闭某一可切换显卡的简单教程...
- All matches were filtered out by modular filtering for argument: mysql-community-server
- Graccvs文件正文提取开发组件--文件内容搜索的利器
- 用python去除SQL中的注释
- Loadrunner12简单使用过程
- Java好学吗?零基础入门Java,三个就业方向实现月入过万!
- 剪辑音频用什么软件好?
- 2015acm区域赛北京
- python2.7读取txt文件,python读取txt文件
- warning: CRLF will be replaced by LF in 出现的原因和解决办法
热门文章
- css控制广告位置,CSS固定定位实现右下角可关闭广告
- 成功在fedora 13 上安装 了libfetion
- 基于matlab 的燃油喷雾图像处理方法,基于matlab的燃油喷雾图像处理方法
- 设置桌面上计算机的图标更改,电脑如何修改桌面应用的图标
- VHDL/Verilog HDL实现任意整数倍分频器
- ACDSee Photo Studio 8 for Mac v8.0.2283 数字图象编辑处理软件
- 华硕笔记本计算机名称,华硕笔记本电脑有哪些型号 华硕笔记本电脑型号大全...
- pyshp读写shapefile
- 【数据挖掘】2022年深信服科技机器学习工程师笔试
- 【Python】Scrapy抓取多玩Gif图片