Python中用ElementTree解析XML

Python中用ElementTree解析XML

【XML基本概念介绍】
XML 指可扩展标记语言（eXtensible Markup Language）。
XML 被设计用来传输和存储数据。

概念一:

      # foo元素的起始标签
     # foo元素的结束标签
           # note: 每一个起始标签必须有对应的结束标签来闭合， 也可以写成

概念二:

           # 元素可以嵌套到任意参次
     # bar元素为foo元素的子元素
          # 父元素foo的结束标签

概念三:

                  # foo元素有个lang的属性，该属性值为: EN；对应Python字典(Name-Value)对；                            
   # bar元素有个lang的属性，该属性值为: CH；还有个id属性，值为:001，放置在''或“”中； 
                           # bar元素中的lang属性不会和foo元素中相冲突，每个元素都有独立的属性集；

概念四:

 # 元素可以有文本内容
                                # Note:如果一个元素即没有文本内容，也没有子元素，则为空元素。

概念五:

                                  # info元素为根节点
     A            # list元素为子节点
     B  
     C 

概念六:

  # 可以通过声明xmlns来定义默认名字空间，feed元素处于http://www.w3.org/2005/Atom命名空间中
               # title元素也是。名字空间声明不仅会作用于当前声明它的元素，还会影响到该元素的所有子元素

也可以通过xmlns:prefix声明来定义一个名字空间并取其名为prefix。

然后该名字空间中的每个元素都必须显式地使用这个前缀(prefix)来声明。

  # feed属于命名空间atom
  dive into mark             # title元素同样属于该命名空间           
                                          # xmlns(XML Name Space)

【XML几种解析方法】

常见的XML编程接口有DOM和SAX，这两种接口处理XML文件的方式不同，使用场合自然也就不同。

Python有三种方法解析XML: SAX，DOM，以及ElementTree:

1.SAX (Simple API for XML )
Pyhton标准库包含SAX解析器，SAX用事件驱动模型，通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。SAX是一种基于事件驱动的API。利用SAX解析XML文档牵涉到两个部分:解析器和事件处理器。
解析器负责读取XML文档,并向事件处理器发送事件,如元素开始及结束事件;而事件处理器则负责对事件作出处理。

优点:SAX流式读取XML文件，比较快，占用内存少。

缺点:需要用户实现回调函数（handler）。

2.DOM(Document Object Model)
将XML数据在内存中解析成一个树，通过对树的操作来操作XML。一个DOM的解析器在解析一个XML文档时，一次性读取整个文档，把文档中所有元素保存在内存中的一个树结构里，之后你可以利用DOM提供的不同的函数来读取或修改文档的内容和结构，也可以把修改过的内容写入xml文件。

优点:使用DOM的好处是你不需要对状态进行追踪，因为每一个节点都知道谁是它的父节点，谁是子节点.

缺点:DOM需要将XML数据映射到内存中的树，一是比较慢，二是比较耗内存，使用起来也比较麻烦！

3.ElementTree(元素树)
ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。

相比而言，第三种方法，即方便，又快速，我们一直用它！下面介绍用元素树如何解析XML:

【ElementTree解析】

两种实现

ElementTree生来就是为了处理XML ，它在Python标准库中有两种实现。

一种是纯Python实现，例如: xml.etree.ElementTree

另外一种是速度快一点的: xml.etree.cElementTree

尽量使用C语言实现的那种，因为它速度更快，而且消耗的内存更少! 在程序中可以这样写:

try:
    import xml.etree.cElementTree as ET
except ImportError:
    import xml.etree.ElementTree as ET

常用方法

# 当要获取属性值时，用attrib方法。
# 当要获取节点值时，用text方法。
# 当要获取节点名时，用tag方法。

示例XML

   Book message
    
        bookone
        python check
        001
        200
    
    
        booktwo
        python learn
        002
        300
    

###########

## 加载XML

###########
方法一:加载文件

root = ET.parse('book.xml')

方法二:加载字符串

root = ET.fromstring(xmltext)

###########

## 获取节点

###########
方法一:获得指定节点->getiterator()方法

book_node = root.getiterator('list')

方法二:获得指定节点->findall()方法

book_node = root.findall('list')

方法三:获得指定节点->find()方法

book_node = root.find('list')

方法四:获得儿子节点->getchildren()

for node in book_node:
    book_node_child = node.getchildren()[0]
    print book_node_child.tag, '=> ', book_node_child.text

###########

## 例子01

###########

# coding=utf-8

try:                                           # 导入模块
    import xml.etree.cElementTree as ET
except ImportError:
    import xml.etree.ElementTree as ET

root   = ET.parse('book.xml')                 # 分析XML文件
books  = root.findall('/list')                # 查找所有根目录下的list的子节点
for book_list in books:                       # 对查找后的结果遍历
    print "=" * 30                            # 输出格式           
    for book in book_list:                    # 对每个子节点再进行遍历，找出里面你的属性及值                     
        if book.attrib.has_key('id'):         # 一句id来做条件判断
            print "id:", book.attrib['id']    # 根据id打印出属性值
        print book.tag + '=> ' + book.text    # 输出标签及文本内容
print "=" * 30

输出结果:

==============================
head=> bookone
name=> python check
number=> 001
page=> 200
==============================
head=> booktwo
name=> python learn
number=> 002
page=> 300
==============================