Python标准库系列之xml模块

原文链接：https://www.jianshu.com/p/a784f196b9c9

本系列文章来源：<a>https://blog.ansheng.me/article/python-full-stack-way</a>

Python’s interfaces for processing XML are grouped in the xml package.

带分隔符的文件仅有两维的数据：行和列。如果你想在程序之间交换数据结构，需要一种方法把层次结构、序列、集合和其他的结构编码成文本

XML是最突出的处理这种转换的标记(markup)格式，它使用标签(tag)分个数据，如下面的实例文件menu.xml所示：

<?xml version="1.0" encoding="utf-8"?>
<feed xmlns="http://www.w3.org/2005/Atom">
  <title>安生's Blog</title>
  <subtitle>大好时光！</subtitle>
  <link href="/atom.xml" rel="self"/>
  
  <link href="https://blog.ansheng.me/"/>
  <updated>2016-05-24T15:29:19.000Z</updated>
  <id>https://blog.ansheng.me/</id>
  
  <author>
    <name>安生</name>
  </author>
</feed>

XML的一些重要特性

标签以一个<字符开头，例如实例中的feed、title、subtitle、author。
忽略空格
通常一个开始标签跟一段其他的内容，然后是最后相匹配的结束标签，例如大好时光！
标签之间是可以存在多级嵌套的
可选属性(attribute)可以出现在开始标签里
标签中可以包含值(value)
如果一个命名为thing的标签内没有内容或者子标签，那么它可以用在右尖括号的前面添加斜杠的简单标签所表示，例如代替开始和结束都存在的标签。
存放数据的位置可以是任意的—属性、值或者子标签。

在Python中解析XML最简单的方法是使用ElementTree。

创建XML文件

导入ElementTree方法，起一个别名为ET

In [1]: from xml.etree import ElementTree  as  ET 

创建顶级标签

In [2]: level_1 = ET.Element("famliy")

创建二级标签，tag名name，attrib标签属性

In [3]: level_2 = ET.SubElement(level_1,"name",attrib={"enrolled":"yes"})

创建三级标签

In [4]: level_2 = ET.SubElement(level_2,"age",attrib={"checked":"no"})

生成文档

In [5]: tree = ET.ElementTree(level_1)

写入文件中

In [6]: tree.write('learn.xml',encoding='utf-8',short_empty_elements=False)

注释：short_empty_elements 是唯一一个关键字参数，是Python 3.4新增加的参数。它用于控制那些不包含任何内容的elements的格式，如果该参数值为Ture则这些标签将会被输出为一个单独的自关闭标签（如: <a/>）,如果值为False则这些标签将会被输出为一个标签对（如：<a></a>）

查看文件

In [7]: cat learn.xml 
<famliy><name enrolled="yes"><age checked="no"></age></name></famliy>

创建一个有换行的XML文件

In [9]: from xml.etree import ElementTree  as  ET 

In [10]: from xml.dom import minidom  

In [11]: root = ET.Element('level1',{"age":"1"}) 

In [12]: son = ET.SubElement(root,"level2",{"age":"2"}) 

In [13]: ET.SubElement(son,"level3",{"age":"3"}) 
Out[13]: <Element 'level3' at 0x7efc16059bd8>

In [14]: def prettify(root):
    ...:     rough_string = ET.tostring(root,'utf-8') 
    ...:     reparsed = minidom.parseString(rough_string) 
    ...:     return reparsed.toprettyxml(indent="	") 
    ...: 
#indent是每个tag前填充的字符，如：’ ‘，则表示每个tag前有两个空格

In [15]: new_str = prettify(root) 

In [16]: f = open("new_out.xml","w") 

In [17]: f.write(new_str)
Out[17]: 99

In [18]: f.close()

#查看生成的XML文件

In [19]: cat   new_out.xml 
<?xml version="1.0" ?>
<level1 age="1">
        <level2 age="2">
                <level3 age="3"/>
        </level2>
</level1>

解析XML

first.xml文件内容为：

<data>
    <country name="Liechtenstein">
        <rank updated="yes">2</rank>
        <year age="19">2025</year>
        <gdppc>141100</gdppc>
        <neighbor direction="E" name="Austria" />
        <neighbor direction="W" name="Switzerland" />
    </country>
    <country name="Singapore">
        <rank updated="yes">5</rank>
        <year age="19">2028</year>
        <gdppc>59900</gdppc>
        <neighbor direction="N" name="Malaysia" />
    </country>
    <country name="Panama">
        <rank updated="yes">69</rank>
        <year age="19">2028</year>
        <gdppc>13600</gdppc>
        <neighbor direction="W" name="Costa Rica" />
        <neighbor direction="E" name="Colombia" />
    </country>
</data>

利用ElementTree.XML将字符串解析成XML对象

In [21]: from xml.etree import ElementTree  as  ET 
# 打开文件，读取XML内容，将字符串解析成xml特殊对象，root代指xml文件的根节点 
In [22]: root = ET.XML(open('first.xml','r').read()) 

In [23]: root.tag 
Out[23]: 'data'

In [24]: for node in root:
    ...:     print(node.tag,node.attrib) 
    ...:     
country {'name': 'Liechtenstein'}
country {'name': 'Singapore'}
country {'name': 'Panama'}

In [25]: print(node.find('rank').tet) 
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-25-7360b3c6a2b0> in <module>()
----> 1 print(node.find('rank').tet)

AttributeError: 'xml.etree.ElementTree.Element' object has no attribute 'tet'

In [26]: print(node.find('rank').text) 
69

利用ElementTree.parse将文件直接解析成XML对象

In [27]: from xml.etree import ElementTree  as  ET 
# 直接解析xml文件
In [28]: tree  =  ET.parse("first.xml") 
# 获取xml文件的根节点
In [29]: root = tree.getroot() 

In [30]: root.tag 
Out[30]: 'data'

遍历XML中指定的节点

In [31]: from xml.etree import ElementTree  as  ET 

In [32]: tree  =  ET.parse("first.xml") 

In [33]: root = tree.getroot() 

In [34]: for node in root.iter('year'):
             # 输出node的tag和内容
    ...:     print(node.tag,node.text) 
    ...:     
year 2025
year 2028
year 2028

增，删，改XML

为节点添加属性

In [35]: from xml.etree import ElementTree  as  ET 

In [36]: tree  =  ET.parse("first.xml") 

In [37]: root = tree.getroot() 

In [38]: for node in root.iter('year'):
             # 查看原来的属性
    ...:     print(node.attrib)
    ...:      
    ...:     
{'age': '19'}
{'age': '19'}
{'age': '19'}

In [39]: for node in root.iter('year'):
    ...:     node.set("OS":"Linux")
    ...:    
  File "<ipython-input-39-b4970b87ec02>", line 2
    node.set("OS":"Linux")
                 ^
SyntaxError: invalid syntax


In [40]: for node in root.iter('year'):
             # 添加属性
    ...:     node.set("OS","Linux")
    ...:     
    ...:    

In [41]: for node in root.iter('year'):
    ...:     print(node.attrib)
    ...:      
    ...:     
{'OS': 'Linux', 'age': '19'}
{'OS': 'Linux', 'age': '19'}
{'OS': 'Linux', 'age': '19'}

# 把内容写入文件
In [42]: tree.write("first.xml") 

删除节点属性

In [43]: from xml.etree import ElementTree  as  ET 

In [44]: tree = ET.ElementTree(level_1)

In [45]: from xml.etree import ElementTree  as  ET 

In [46]: tree = ET.parse("first.xml")     

In [47]: root = tree.getroot() 

In [48]: for node in root.iter("year"):
             # 删除节点的OS属性
    ...:     del node.attrib['OS'] 
    ...:     

In [49]: tree.write("first.xml")

修改节点内容
修改year内的数字自加1

In [51]: from xml.etree import ElementTree  as  ET 

In [52]: tree = ET.parse("first.xml")     

In [53]: root = tree.getroot() 

In [54]: for node in root.iter("year"):
    ...:     print(node.text) 
    ...:     new_year = int(node.text) + 1
    ...:     node.text = str(new_year) 
    ...:     
2025
2028
2028

In [55]: tree.write("first.xml") 

In [56]: for node in root.iter("year"):
    ...:     print(node.text") 
  File "<ipython-input-56-36380ae210f5>", line 2
    print(node.text")
                      ^
SyntaxError: EOL while scanning string literal


In [57]: for node in root.iter("year"):
    ...:     print(node.text)
    ...:      
2026
2029
2029

对节点操作的方法

获取节点的方法

In [58]: from xml.etree import ElementTree  as  ET 

In [59]: tree = ET.parse("first.xml") 

In [60]: root = tree.getroot() 

In [61]: print(dir(root)) 
['__class__', '__copy__', '__deepcopy__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getstate__', '__gt__', '__hash__', '__init__', '__le__', '__len__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setitem__', '__setstate__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'extend', 'find', 'findall', 'findtext', 'get', 'getchildren', 'getiterator', 'insert', 'items', 'iter', 'iterfind', 'itertext', 'keys', 'makeelement', 'remove', 'set']

常用方法：

方法名 说明
tag 获取tag标签名
attrib  获取节点的属性
find    获取节点的内容
iter    进行迭代
set 设置属性
get 获取属性

实例

判断QQ是否在线

腾讯提供了能够查看QQ号码是否在线的API，Y=在线；N=离线；E=QQ号码错误；A=商业用户验证失败；V=免费用户超过数量

In [62]: import requests 

In [63]: from xml.etree import ElementTree  as  ET 

In [64]: r = requests.get("http://www.webxml.com.cn//webservices/qqOnlineWebService.asmx/qqCheckOnline?qqCode=1002
    ...: 751472")

In [65]: result = r.text 

In [66]: node = ET.XML(result) 

In [67]: print(node.text)
Y

In [68]: if node.text == "Y":
    ...:     print("online") 
    ...: else :
    ...:     print("notonline") 
    ...:     
online

获取列车起止时间

In [1]: import requests

In [2]: from xml.etree import ElementTree as ET

In [3]: r = requests.get("http://www.webxml.com.cn/WebServices/TrainTimeWebService.asmx/getDetailInfoByTrainCode?TrainC
   ...: ode=K234&UserID=")

In [4]: result = r.text

In [5]: root = ET.XML(result)

In [6]: for node in root.iter('TrainDetailInfo'):
   ...:     print(node.find('TrainStation').text,node.find('ArriveTime').text,node.find("StartTime").text)
   ...:
上海（车次：K234K235） None 11:12:00
昆山 11:46:00 11:50:00
苏州 12:14:00 12:18:00
南京 15:05:00 15:15:00
蚌埠 17:57:00 18:03:00
徐州 20:20:00 20:25:00
砀山 21:24:00 21:27:00
商丘 22:10:00 22:16:00
宁陵县 22:43:00 22:48:00
兰考 23:21:00 23:24:00
开封 23:55:00 23:59:00
郑州 00:45:00 01:15:00
安阳 03:29:00 03:41:00
邯郸 04:16:00 04:34:00
邢台 05:05:00 05:09:00
石家庄 06:20:00 None