Etree方式解析xml知识积累

1. movies.xml:
   <collection shelf="New Arrivals">
   <movie title="Enemy Behind">
   <type>War, Thriller</type>
   <format>DVD</format>
   <year>2003</year>
   <rating>PG</rating>
   <stars>10</stars>
   <description>Talk about a US-Japan war</description>
   </movie>
   <movie title="Transformers">
   <type>Anime, Science Fiction</type>
   <format>DVD</format>
   <year>1989</year>
   <rating>R</rating>
   <stars>8</stars>
   <description>A schientific fiction</description>
   </movie>
   <movie title="Trigun">
   <type>Anime, Action</type>
   <format>DVD</format>
   <episodes>4</episodes>
   <rating>PG</rating>
   <stars>10</stars>
   <description>Vash the Stampede!</description>
   </movie>
   <movie title="Ishtar">
   <type>Comedy</type>
   <format>VHS</format>
   <rating>PG</rating>
   <stars>2</stars>
   <description>Viewable boredom</description>
   </movie>
   </collection>
2. 遍历 xml 文件：

>>> import sys

>>> try:

...     import xml.etree.cElementTree as ET

... except ImportError:

...     import xml.etree.ElementTree as ET

...

导入包，推荐使用cElementTree，效率高（带C的效率高）

>>> tree = ET.ElementTree(file='e:\movie.xml')

>>> root = tree.getroot()

>>> print root.tag  #打印标题大标签

collection

>>> print root.attrib  #打印根部标签属性

{'shelf': 'New Arrivals'}

>>> for subnode in root:  #遍历根节点下的一级子节点及属性

...     print subnode

...     print subnode.tag

...     print subnode.attrib

...

<Element 'movie' at 0x00000000022DD4E0>

movie

{'title': 'Enemy Behind'}

<Element 'movie' at 0x00000000022DD6C0>

movie

{'title': 'Transformers'}

<Element 'movie' at 0x00000000022DD810>

movie

{'title': 'Trigun'}

<Element 'movie' at 0x00000000022DD9C0>

movie

{'title': 'Ishtar'}

>>> root[0].getchildren() #获得第一个根节点的子节点

[<Element 'type' at 0x00000000022DD510>, <Element 'format'

>, <Element 'year' at 0x00000000022DD5A0>, <Element 'rating

D0>, <Element 'stars' at 0x00000000022DD600>, <Element 'des

00022DD660>]

>>> root[0].getchildren()[1] #获得第一个根节点的第二个子节点

<Element 'format' at 0x00000000022DD570>

>>> root[0].getchildren()[1].text #获得第一个根节点的第二个子节点的文本

'DVD'

小练习：获得所有根节点下的description

>>> for element in root:

...     print element.getchildren()[-1].text

...

Talk about a US-Japan war

A schientific fiction

Vash the Stampede!

Viewable boredom

 1. 继续遍历xml文件

>>> print root #拿到根节点

<Element 'collection' at 0x00000000022DD480>

>>> print root[0] #拿到根节点第一个

<Element 'movie' at 0x00000000022DD4E0>

>>> print root[0][0] #拿到根节点第一个的第一个元素

<Element 'type' at 0x00000000022DD510>

>>> print root[0][0].tag #拿到根节点第一个的第一个元素的标签

type

>>> print root[0][0].text #拿到根节点第一个的第一个元素的文本

War, Thriller

>>> print root[0][0].attrib #拿到根节点第一个的第一个元素的属性

{}

注意：修改xml后再读取属性需要重新获取tree.root，否则内存中仍保留未修改前解析的tree结构，读取结果也是未修改前的。

修改xml增加一个属性值后再读取：

>>> tree = ET.ElementTree(file='e:\movie2.xml')

>>> root = tree.getroot()

>>> print root[0]

<Element 'movie' at 0x00000000022DDBA0>

>>> print root[0][0]

<Element 'type' at 0x00000000022DDC00>

>>> print root[0][0].attrib

{'a': 'qiqiqiqi'}

>>> print root[0][0].text

War, Thriller

>>> print root[0][0].tag

Type

 

2.继续遍历xml文件

>>> tree = ET.ElementTree(file='e:\movie2.xml')

>>> for element in tree.iter():

...     print element  #获取根节点下的所有元素及标签名

...     print element.tag

...

<Element 'collection' at 0x00000000022DD960>

collection

<Element 'movie' at 0x00000000022DD900>

movie

<Element 'type' at 0x00000000022DD8A0>

type

<Element 'format' at 0x00000000022DD870>

format

<Element 'year' at 0x00000000022DD6C0>

year

<Element 'rating' at 0x00000000022DD7E0>

rating

<Element 'stars' at 0x00000000022DD7B0>

stars

<Element 'description' at 0x00000000022DD750>

description

<Element 'movie' at 0x00000000022DD6F0>

movie

<Element 'type' at 0x00000000022DD690>

type

<Element 'format' at 0x00000000022DD4E0>

format

<Element 'year' at 0x00000000022DD660>

year

<Element 'rating' at 0x00000000022DD600>

rating

<Element 'stars' at 0x00000000022DD5D0>

stars

<Element 'description' at 0x00000000022DD5A0>

description

<Element 'movie' at 0x00000000022DD570>

movie

<Element 'type' at 0x00000000022DD510>

type

<Element 'format' at 0x00000000022DD4B0>

format

<Element 'episodes' at 0x00000000022DD420>

episodes

<Element 'rating' at 0x00000000022DD3C0>

rating

<Element 'stars' at 0x00000000022E0210>

stars

<Element 'description' at 0x00000000022E0240>

description

<Element 'movie' at 0x00000000022E0270>

movie

<Element 'type' at 0x00000000022E02A0>

type

<Element 'format' at 0x00000000022E02D0>

format

<Element 'rating' at 0x00000000022E0300>

rating

<Element 'stars' at 0x00000000022E0330>

stars

<Element 'description' at 0x00000000022E0360>

Description

小练习：统计一下这个root下有多少个movie？

自己的方法：

>>> tree = ET.ElementTree(file='e:\movie2.xml')

>>> result = 0

>>> for element in tree.iter():

...     if element.tag == "movie":

...         result+=1

...

>>> print result

4

小练习：统计一下这个root下全部的标签个数？

>>> count=0

>>> for element in tree.iter():

...     count+=1

...

>>> print count

28

老师的方法：读文件

直接用iterfind：

>>> count=0

>>> for element in tree.iterfind('movie'):

...     count+=1

...

>>> print count

4

用tag找标签名：

>>> for element in tree.iter(tag = 'movie'):

...     print element

...

<Element 'movie' at 0x00000000022E0450>

<Element 'movie' at 0x00000000022E0660>

<Element 'movie' at 0x00000000022E07B0>

<Element 'movie' at 0x00000000022E0960>

小练习：判断是否存在1989的值

>>> for element in tree.iter():

...     if element.text == "1989":

...         print "find it!"

...         break

... else:

...     print "not exist!"

...

find it!

3. 继续遍历xml文件

删除：

print tree.write(sys.stdout) #将 xml 文件的内容写到屏幕上
tree.write("d:\movies.xml") #将变更的 xml 文件写入到文件中

>>> del root[0]
>>> del root[0]
>>> del root[0]
>>> import sys
>>> print tree.write(sys.stdout)
<collection shelf="New Arrivals">
<movie title="Ishtar">
   <type>Comedy</type>
   <format>VHS</format>
   <rating>PG</rating>
   <stars>2</stars>
   <description>Viewable boredom</description>
</movie>
</collection>None
>>>
>>> tree.write("e:\movies.xml")

删除只是删除内存中的，在写入回去才会删除

4. 创建xml文件

>>> import sys

>>> import xml.etree.cElementTree as ET

>>> a = ET.Element('elem')  #生成一个节点 elem，没有文本节点

>>> c = ET.SubnElement(a,'child1') #生成一个字节点下的子节点 child1

>>> c = ET.SubElement(a,'child1') #在子节点上添加文本节点

>>> c.text = 'qiqiqi'

>>> d = ET.SubElement(a,'child2') #生成一个字节点下的子节点 child2

>>> b = ET.Element('elem_b') #生成一个节点 elem_b，没有文本节点

>>> root = ET.Element('root') #生成一个节点 root

>>> root.extend((a,b))  #把a，b两个值同级写入根节点

>>> tree = ET.ElementTree(root) #生成节点树

>>> root[0].set('foo','bar') #设定第一个子元素的属性 foo,值为 bar

>>> print tree.write(sys.stdout) #打印节点树

<root><elem foo="bar"><child1>qiqiqi</child1><child2 /></elem><elem_b /

one

>>> tree.write(sys.stdout) #将 xml 文件内容写到屏幕上

<root><elem foo="bar"><child1>qiqiqi</child1><child2 /></elem><elem_b /

tree.write("d:\test.xml") #将 xml 文件内容写入到文本文件中

练习：自己创建一个xml的文件，里面包含数据的ip和端口信息，以及用户名和密码

同学的答案：

#encoding=utf-8
import sys
try:
    import xml.etree.cElementTree as ET
except ImportError:
    import xml.etree.ElementTree as ET
a = ET.Element('ipinfo') 
c = ET.SubElement(a, 'ipadress') 
c.text = "10.20.178.90 

" 
d = ET.SubElement(a, 'port') 
d.text ="8080"
a2 = ET.Element('userinfo')
c2= ET.SubElement(a2, 'username')
c2.text = "administrator"
d2= ET.SubElement(a2, 'password')
d2.text ="000000"
root = ET.Element('root') 
root.extend((a, a2)) #将a和a2加到root节点下
tree = ET.ElementTree(root) #生成节点树
root[0].set('conf', 'sql') 
print tree.write(sys.stdout) 
tree.write("E:\test2.xml") 

面试题：有一个数组，里面满足一个条件，就是从里面随机取出三个值，之和为0，那么输出这数组中的三个数  eg：0,0,0，1，-1,2，-1

import random
a=[0,0,0,1,1,-1,-1,2]
count = 0
while 1:
    count+=1
    random.shuffle(a)  #把a的顺序打乱
    if a[0]+a[1]+a[2] == 0: #每次取前3个  （防止取出来的是同一个元素）
        print a[0],a[1],a[2]
        break
print count

同学的方法：

list = [0,0,0,1,-1,2,-1]
while True:
    slice = random.sample(list, 3)
    if sum(slice)==0:
        print slice
        break

平时还得多训练多做题

5. 边读边解析xml文件

#coding=utf-8
import sys
try:
import xml.etree.cElementTree as ET
except ImportError:
import xml.etree.ElementTree as ET
tree = ET.parse("d:\movies.xml")
count = 0
for elem in tree.iter(tag='movie'): #遍历树中的 movie 节点
print elem.tag
if elem[0].text == 'War, Thriller':
count += 1
print count
#以下代码实现了边读文件边解析的作用，节省了内存
count = 0
for event, elem in ET.iterparse("d:\movies.xml"): #遍历所有 xml 文件中的标签
#print elem.tag
if event == 'end': #检测“闭合的” (end)事件，标签关闭
if elem.tag == 'type' and elem.text == 'War, Thriller': #标签为 type，且文本内容为
War, Thriller ,则 count+1
count += 1
elem.clear() #清除元素内容,不清除则整个儿树也会在内存中，没有起到节省内存的作用。
print count
#事件
#start 在元素打开时触发。数据和元素的子元素仍不可用。
# end 在元素关闭时触发。所有元素的子节点，包括文本节点，现在都是可用的。
#close 在解析完成后触发。

官方文档：

https://docs.python.org/2/library/xml.etree.elementtree.html 

http://www.cnblogs.com/hongfei/p/python-xml-sax.html