xml
*之前用的时候也没想到。。其实用BeautifulSoup就可以解析xml啊。。因为html只是xml的一种实现方式吧。但是很蛋疼的一点就是，bs不提供获取对象的方法，其find大多获取的都是字符串，这就导致不得不一遍遍地连续通过bs总对象来定位元素再输出这样子。挺麻烦的。
xml是一种常用的网络通讯格式，也是一种文件的格式。xml包里有多种不同的可用于解析&生成文件的模块，比如：
xml.dom.minidom
xml.etree.ElementTree
xml.aix等等。这三者比较起来，minidom最贴近底层代码，但是写起来也最烦。本文主要通过ElementTree来解析&生成。尽管ElementTree也有很多不合理的地方，但是可以通过修改源码，重载源码的部分方法来解决。
■ ElementTree基本用法
from xml.etree import ElementTree doc = ElementTree.parse("文件路径"or"文件对象"[,parser=...]) ''' 虽然也可用ElementTree直接来生成文件对象，但是用parse来生成的话可以指定parser。这个parser后面会讲到有什么作用 '''
所得到的doc对象就是文件的根节点对象。所谓根节点，就是整个文件第一对有效的标签所指代的节点。
● 对于每个节点，都有：
.text 代表该节点的文本内容（和bs一样，那些有子孙元素但是本身没有内容的节点的这个属性是空串，需要注意）
.attrib 代表该节点的属性（字典形式）
.tag 代表该节点的tag名
● 而对于包括根节点在内的所有节点都有以下节点可调用的方法：
.find("tag名") 找出其子节点中第一个指定tag名的节点
.findall("tag名") 找出所有子节点which是指定的tag名，返回一个列表
.findtext("tag名") 找出相应子节点的文本内容，相当于上面的find找到对象之后再访问其.text属性
//以上三个方法都是只检索子节点，不检索孙节点以及更加后辈的节点
.getiterator([tag]) 从当前节点开始，生成一个迭代器，里面是遍历了包括当前节点在内的所有后辈节点。tag参数相当于一个filter，指定tag的话迭代器只返回tag名和给出值一致的节点。
*以上的那些find啥啥的方法，里面的tag名其实是有语法的。单纯的"tag"就只检索当前节点的子节点中名为tag的节点。如果是'.//tag'的话就是搜索所有后辈节点中的tag节点了。更多具体的语法可以参见python参考手册，就不多说了
● 另外，ElementTree也在节点对象中实现了几个magic method，所以节点（这次不包括根节点了）也有了如下借口：
elem[n] 节点elem的第n个子节点（不是n+1个！）
del elem[n] 删除elem的第n个子节点
len(elem) 子节点的个数
elem[n] = newElement 将某个子节点替换成另外一个element
● 对于非根节点，还有以下的一些方法：
clear() 清空所有后辈节点
append(Element) 加入一个新子节点
get(key) 获取某个属性的值
insert(index,Element) 将子节点插入某个特定的位置
remove(Element) 从该节点中移除一个子节点
set(key,value) 设置某个节点的属性值
● 关于Element的构造方法
上面很多方法都用element作为参数，那么element是怎么来的，就要用到Element构造方法了。
ElementTree.Element(tag[,attrib]) 构造一个Element，但是没有文本内容
ElementTree.XML("xmlcode") 将一段xml代码转化为一个Element对象，比较实用
ElementTree.Comment("text") 生成一段注释的Element对象
● 最后，ElementTree还提供了几个类方法
ElementTree.dump(Element) 把相关element的内容打印出来，主要用于调试。因为element对象普遍没有实现__repr__方法
ElementTree.iselement(element) 判断某个对象是不是有效的element对象
以上的所有操作都是对存储在内存中的一个XMLTree对象的改动，要想保存成文件，只要根节点调用方法write即可
doc.write("文件路径"or"w模式文件对象"[,encoding=xxx])
这里面的encoding参数也有点意思。encoding的默认值是utf-8，当encoding被指定且不是utf-8或者ascii的时候，在新生成的文件头上自动会加一条<?xml version="1.0" encoding="xxx">
*ElementTree有一个很大的问题，就是在默认情况下，会吃掉所有注释内容。
这种现象的原因是因为，源码中默认的TreeBuilder（这个类的作用是构建一个对象，这个对象用来存储抽象化后的文件内容。）在建立Tree对象的时候没有写处理注释的方法。
解决方法是自己写个CommentedTreeBuilder类来重载处理注释：
class CommentedTreeBuilder(XMLTreeBuilder): def __init__(self, html=0, target=None): XMLTreeBuilder.__init__(self, html, target) self._parser.CommentHandler = self.handle_comment #指定处理comment的方法。 def handle_comment(self, data): ''' 默认的处理comment的方法是什么都不做直接pass，而在这个方法里，通过start，data和end三个方法，相当于把注释的内容原封不动地复制到创建的Tree对象里去，使得注释得以保存 ''' self._target.start(Comment, {}) self._target.data(data) self._target.end(Comment)
handle_comment方法接受的参数data是一个ascii字符串或者unicode字符串。当有中文字符时无疑data是unicode。如果在write的时候不指明encoding类型的话可能会出现写入中文字符出错，变成其编码的格式了。解决办法就是在write的时候指出encoding参数如encoding='UTF-8'