Python标准库系列之xml模块
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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
<?xml version
=
"1.0"
encoding
=
"utf-8"
?>
<feed xmlns
=
"http://www.w3.org/2005/Atom"
>
<title>安生&
#39;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
>
<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。
XML通常用于数据传送和消息，它存在一些子格式，如RSS和Atom，例如：https://blog.ansheng.me/atom.xml
在Python中解析XML最简单的方法是使用ElementTree。
| 模块 | 说明 |
|---|---|
| xml.etree.ElementTree | the ElementTree API, a simple and lightweight XML processor |
创建xml文件
导入ElementTree方法，起一个别名为ET
|
1
|
>>>
from
xml.etree
import
ElementTree as ET
|
创建顶级标签
|
1
|
>>> level_1
=
ET.Element(
"famliy"
)
|
创建二级标签，tag名name，attrib标签属性
|
1
|
>>> level_2
=
ET.SubElement(level_1,
"name"
, attrib
=
{
"enrolled"
:
"yes"
})
|
创建三级标签
|
1
|
>>> level_3
=
ET.SubElement(level_2,
"age"
, attrib
=
{
"checked"
:
"no"
})
|
生成文档
|
1
|
>>> tree
=
ET.ElementTree(level_1)
|
写入文件中
|
1
|
>>> tree.write(
'oooo.xml'
,encoding
=
'utf-8'
, short_empty_elements
=
False
)
|
导入os模块，用os模块中的system方法执行shell命令查看刚才创建的oooo.xml文件
|
1
2
3
4
|
>>>
import
os
>>> os.system(
"cat oooo.xml"
)
# 生成出来的文档是没有换行的
<famliy><name enrolled
=
"yes"
><age checked
=
"no"
><
/
age><
/
name><
/
famliy>
0
|
把刚才生成的文件下载到本地，然后用浏览器打开就可以看到分级层次了。
创建一个有换行的XML文件
代码
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
from
xml.etree
import
ElementTree as ET
from
xml.dom
import
minidom
root
=
ET.Element(
'level1'
,{
"age"
:
"1"
})
son
=
ET.SubElement(root,
"level2"
,{
"age"
:
"2"
})
ET.SubElement(son,
"level3"
, {
"age"
:
"3"
})
# tree = ET.ElementTree(root)
# tree.write("abc.xml", encoding="utf-8",xml_declaration=True,short_empty_elements=False)
def
prettify(root):
rough_string
=
ET.tostring(root,
'utf-8'
)
reparsed
=
minidom.parseString(rough_string)
return
reparsed.toprettyxml(indent
=
"\t"
)
new_str
=
prettify(root)
f
=
open
(
"new_out.xml"
,
"w"
)
f.write(new_str)
f.close()
|
生成的xml文件
|
1
2
3
4
5
6
|
<?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：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
<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>
|
first.xml文件在/root目录下
利用ElementTree.XML将字符串解析成xml对象
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
>>>
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
>>> root
=
ET.XML(
open
(
'first.xml'
,
'r'
).read())
>>> root.tag
'data'
>>>
for
node
in
root:
...
print
(node.tag, node.attrib)
...
(
'country'
, {
'name'
:
'Liechtenstein'
})
(
'country'
, {
'name'
:
'Singapore'
})
(
'country'
, {
'name'
:
'Panama'
})
>>>
print
(node.find(
'rank'
).text)
69
|
利用ElementTree.parse将文件直接解析成xml对象
|
1
2
3
4
5
6
7
|
>>>
from
xml.etree
import
ElementTree as ET
# 直接解析xml文件
>>> tree
=
ET.parse(
"first.xml"
)
# 获取xml文件的根节点
>>> root
=
tree.getroot()
>>> root.tag
'data'
|
遍历XML中指定的节点
|
1
2
3
4
5
6
7
8
9
10
|
>>>
from
xml.etree
import
ElementTree as ET
>>> tree
=
ET.parse(
"first.xml"
)
>>> root
=
tree.getroot()
>>>
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
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
>>>
from
xml.etree
import
ElementTree as ET
>>> tree
=
ET.parse(
"first.xml"
)
>>> root
=
tree.getroot()
>>>
for
node
in
root.
iter
(
"year"
):
# 查看原来的属性
...
print
(node.attrib)
...
{}
{}
{}
>>>
for
node
in
root.
iter
(
"year"
):
# 添加属性
... node.
set
(
"OS"
,
"Linux"
)
...
>>>
for
node
in
root.
iter
(
"year"
):
# 查看添加的属性
...
print
(node.attrib)
...
{
'OS'
:
'Linux'
}
{
'OS'
:
'Linux'
}
{
'OS'
:
'Linux'
}
# 把内容写入文件
>>> tree.write(
"first.xml"
)
|
删除节点属性
|
1
2
3
4
5
6
7
8
9
|
>>>
from
xml.etree
import
ElementTree as ET
>>> tree
=
ET.parse(
"first.xml"
)
>>> root
=
tree.getroot()
>>>
for
node
in
root.
iter
(
"year"
):
# 删除节点的OS属性
...
del
node.attrib[
'OS'
]
...
# 写入到文件当中
>>> tree.write(
"first.xml"
)
|
查看属性
|
1
2
3
4
5
6
7
8
9
10
|
>>>
from
xml.etree
import
ElementTree as ET
>>> tree
=
ET.parse(
"first.xml"
)
>>> root
=
tree.getroot()
>>>
for
node
in
root.
iter
(
"year"
):
...
print
(node.attrib)
...
# 节点内容为空
{}
{}
{}
|
修改节点内容
修改year内的数字自加1
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
>>>
from
xml.etree
import
ElementTree as ET
>>> tree
=
ET.parse(
"first.xml"
)
>>> root
=
tree.getroot()
>>>
for
node
in
root.
iter
(
"year"
):
# 输出原来year的内容
...
print
(node.text)
# 原来的值自加+
... new_year
=
int
(node.text)
+
1
... node.text
=
str
(new_year)
...
2025
2028
2028
# 写入文件中
>>> tree.write(
"first.xml"
)
>>>
for
node
in
root.
iter
(
"year"
):
# 输出写入文件之后year的内容
...
print
(node.text)
...
2026
2029
2029
|
对节点操作的方法
获取节点的方法
|
1
2
3
4
5
|
>>>
from
xml.etree
import
ElementTree as ET
>>> tree
=
ET.parse(
"first.xml"
)
>>> root
=
tree.getroot()
>>>
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'
]
|
方法有这么多，那么我们常用的也就是下面的几个
| 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
|
1
2
3
4
5
6
7
8
9
10
11
12
|
>>>
import
requests
>>>
from
xml.etree
import
ElementTree as ET
>>> r
=
requests.get(
"http://www.webxml.com.cn//webservices/qqOnlineWebService.asmx/qqCheckOnline?qqCode=6087414"
)
>>> result
=
r.text
>>>
from
xml.etree
import
ElementTree as ET
>>> node
=
ET.XML(result)
>>>
if
node.text
=
=
"Y"
:
...
print
(
"在线"
)
...
else
:
...
print
(
"离线"
)
...
在线
|
获取列车起止时间
代码
|
1
2
3
4
5
|
r
=
requests.get(
"http://www.webxml.com.cn/WebServices/TrainTimeWebService.asmx/getDetailInfoByTrainCode?TrainCode=K234&UserID="
)
result
=
r.text
root
=
ET.XML(result)
for
node
in
root.
iter
(
'TrainDetailInfo'
):
print
(node.find(
'TrainStation'
).text,node.find(
'ArriveTime'
).text,node.find(
"StartTime"
).text)
|
执行结果
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
C:\Python35\python.exe F:
/
Python_code
/
sublime
/
Week5
/
Day01
/
xml_mod.py
上海（车次：K234\K235）
None
11
:
12
:
00
# 地点 停止 启动
昆山
11
:
45
:
00
11
:
48
:
00
苏州
12
:
12
:
00
12
:
16
:
00
无锡
12
:
44
:
00
12
:
55
:
00
常州
13
:
22
:
00
13
:
26
:
00
镇江
14
:
13
:
00
14
:
16
:
00
南京
15
:
04
:
00
15
:
16
:
00
蚌埠
17
:
27
:
00
17
:
50
:
00
徐州
19
:
38
:
00
19
:
58
:
00
商丘
22
:
12
:
00
22
:
17
:
00
开封
23
:
49
:
00
23
:
53
:
00
郑州
00
:
37
:
00
01
:
14
:
00
新乡
02
:
20
:
00
02
:
22
:
00
鹤壁
03
:
01
:
00
03
:
03
:
00
安阳
03
:
33
:
00
03
:
36
:
00
邯郸
04
:
11
:
00
04
:
16
:
00
邢台
04
:
47
:
00
04
:
51
:
00
石家庄
06
:
05
:
00
None
Process finished with exit code
0
|
本文转自 Edenwy 51CTO博客，原文链接：http://blog.51cto.com/edeny/1925749，如需转载请自行联系原作者
