python 解析 XML文件

如下使用xml.etree.ElementTree模块来解析XML文件。ElementTree模块中提供了两个类用来完成这个目的：

• ElementTree表示整个XML文件（一个树形结构）
• Element表示树中的一个元素（结点）

我们操作如下XML文件：migapp.xml

我们可以通过如下方式导入ElementTree模块： import xml.etree.ElementTree as ET 

或者也可以仅导入parse解析器： from xml.etree.ElementTree import parse 

首先需要打开一个xml文件，本地文件使用open函数，如果是互联网文件，则使用urlopen:

 f = open('migapp.xml', 'rt', encoding='utf-8') 

然后对XML进行解析。

 

1 解析XML文件

1.1 解析根元素

tree = ET.parse(f)
root = tree.getroot()
print('root.tag =', root.tag)
print('root.attrib =', root.attrib)

1.2 解析根的儿子

for child in root:      # 仅可以解析出root的儿子，不能解析出root的子孙
    print(child.tag)
    print(child.attrib) # attrib is a dict

1.3 通过索引解析根的子孙

print(root[1][1].tag)
print(root[1][1].text)

1.4 迭代解析出所有的指定element

for element in root.iter('environment'):
    print(element.attrib)

1.5 几个有用的方法

# element.findall()解析出指定element的所有儿子
# element.find()解析出指定element的第一个儿子
# element.get()解析出指定element的属性attrib
for environment in root.findall('environment'):
    first_variable = environment.find('variable')
    print(first_variable.get('name'))

 

2 修改XML文件

假设我们需要给每个text元素添加一个属性size="50"，修改其text为"Benxin Tuzi"，添加一个子元素date="2016/01/16"

for text in root.iter('text'):
    text.set('size', '50')
    text.text = 'Benxin Tuzi'
    text.append(ET.Element('date', attrib={}, text='2016/01/16'))
tree.write('output.xml')

migapp.xml中的部分：

output.xml中对应的部分：

 

3 说明事项

• 不要使用xml.py作为文件名，否则此时会发生如下错误：

　　ImportError: No module named 'xml.etree'; 'xml' is not a package

　　分析：

　　这是由于import时会先在当前路径下寻找，此时发现存在xml.py模块，而我们自己写的xml.py当然不是一个package

　　注意：

　　删除xml.py后仍然不能成功解释，那是因为当前路径中还生成了xml.pyc，而该文件的优先级要高于xml.py，因此解释器还是优先在xml.pyc中寻找，因此必须将该文件也删除掉，成功解决问题。

　　结论：

　　文件名尽量不要与包名或者模块名同名，即使你在脚本中不使用该模块或者包，否则可能发生奇怪的错误。

• ElementTree模块中提供的很多解析函数都需要预先将整个XML文档读入内存中，这对于大型XML解析而言，不是一件好事，尤其是当我们从网络、管道中读取XML时，非阻塞式的解析非常重要。此时，我们可以使用ElementTree模块中的XMLPullParse类来处理。当然我们也可以选择ElementTree模块的iterparse()来代替，该方法在解析大型XML时也不需要全部读入内存。