2022年 11月 5日

Python解析xml文件详解

1、如何解析简单的xml文档？

        实际案例：

                xml是一种十分常用的标记性语言，可提供统一的方法来描述应用程序的结构化数据：

  1.     <?xml version="1.0" encoding="utf-8" ?>
  2.     <data>
  3.         <country name="Liechtenstein">
  4.             <rank updated="yes">2</rank>
  5.             <year>2008</year>
  6.             <gdppc>141100</gdppc>
  7.             <neighbor name="Austria" direction="E"/>
  8.             <neighbor name="Switzerland" direction="W"/>
  9.         </country>
  10.     </data>

                python中如何解析xml文档？

        解决方案：

                使用标准库中的xml.etree.ElementTree，其中的parse函数可以解析XML文档。

2、代码演示

（1）使用parse解析XML文档

  1. from xml.etree.ElementTree import parse
  2.  
  3. f = open('demo.xml')
  4. # 第1个参数为输入源，返回一个ElementTree对象
  5. et = parse(f)
  6. # 通过元素树(ElementTree)得到根结点
  7. root = et.getroot()
  8. print(root)
  9. # 查看标签
  10. print(root.tag)
  11. # 查看属性
  12. print(root.attrib)
  13. # 查看文本,去除空格
  14. print(root.text.strip())
  15.  
  16. # 遍历元素树
  17. # 得到节点的子元素,python3中getchildren被废弃
  18. children = list(root)
  19. print(children)
  20. # 获取每个子节点元素的属性
  21. for child in root:
  22.     print(child.get('name'))
  23. '''
  24. find、findall和iterfind只能找对于
  25. 当前的元素它的直接子元素,不能查找孙子元素。
  26.     
  27. '''
  28. # 根据标签寻找子元素,find总是找到第1个碰到的元素
  29. print(root.find('country'))
  30. # findall是找到所有的的元素
  31. print(root.findall('country'))
  32. # 不需要列表，希望是一个可迭代对象,得到一个生成器对象
  33. print(root.iterfind('country'))
  34.  
  35. for e in root.iterfind('country'):
  36.     print(e.get('name'))
  37.  
  38. # 无论在那个层级下都能找到rank标签
  39. # 在默认情况下不输入参数，会列出整个当前节点之下的所有元素
  40. print(list(root.iter()))
  41. # 递归的去寻找标签为rank的子节点
  42. print(list(root.iter('rank')))

（2）关于findall查找的高级用法

  1. from xml.etree.ElementTree import parse
  2.  
  3. f = open('demo.xml')
  4. # 第1个参数为输入源，返回一个ElementTree对象
  5. et = parse(f)
  6. # 通过元素树(ElementTree)得到根结点
  7. root = et.getroot()
  8.  
  9. # *能匹配所有的child,只想找root的所有孙子节点
  10. print(root.findall('country/*'))
  11. # 查找任意层次下的子元素，.点为当前节点，..为父节点
  12. print(root.findall('.//rank'))
  13. print(root.findall('.//rank/..'))
  14. # @描述包含某一属性，[@attrib]
  15. print(root.findall('country[@name]'))
  16. # 指定属性为特定值，[@attrib='value']
  17. print(root.findall('country[@name="Singapore"]'))
  18. # 指定一个元素必须包含一个指定的子元素，[tag]
  19. print(root.findall('country[rank]'))
  20. # 指定元素的文本必须等于特定的值，[tag='text']
  21. print(root.findall('country[rank="5"]'))
  22. # 找多个元素路径指定相对位置，[position]
  23. print(root.findall('country[1]'))
  24. print(root.findall('country[2]'))
  25. # last()为倒着找
  26. print(root.findall('country[last()]'))
  27. # 找倒数第二个
  28. print(root.findall('country[last()-1]'))