ElementTree是Python常用的处理XML文件的类。本文将介绍使用ElementTree解析、查找、修改XML的方法。
一、引用方法
ElementTree所在文件保存在Lib/xml/etree/ElementTree.py，所以我们通过下面的代码引用它，之后就可以使用ET.来访问ElementTree中的函数。
import xml.etree.ElementTree as ET
二、一个XML例子
下面所有的操作都将下面这段XML为例，我们将它保存为sample.xml。
<?xml version="1.0"?>
<data>
<country name="Liechtenstein">
<rank>1</rank>
<year>2008</year>
<gdppc>141100</gdppc>
<neighbor name="Austria" direction="E"/>
<neighbor name="Switzerland" direction="W"/>
</country>
<country name="Singapore">
<rank>4</rank>
<year>2011</year>
<gdppc>59900</gdppc>
<neighbor name="Malaysia" direction="N"/>
</country>
<country name="Panama">
<rank>68</rank>
<year>2011</year>
<gdppc>13600</gdppc>
<neighbor name="Costa Rica" direction="W"/>
<neighbor name="Colombia" direction="E"/>
</country>
</data>
先对XML的格式做一些说明：
- Tag： 使用<和>包围的部分，如<rank>成为start-tag，</rank>是end-tags；
- Element：被Tag包围的部分，如<rank>68</rank>，可以认为是一个节点，它可以有子节点；
- Attribute：在Tag中可能存在的name/value对，如<country name="Liechtenstein">中的name="Liechtenstein"，一般表示属性。
三、解析XML
读入XML数据
首先读入XML，有两种途径，从文件读入和从字符串读入。
从文件读入：
import xml.etree.ElementTree as ET
tree = ET.parse('sample.xml')
root = tree.getroot()
从字符串读入：
root = ET.fromstring(sample_as_string)
tree和root分布是ElementTree中两个很重要的类的对象：
- ElementTree
- Element
查看Tag和Attribute
这时得到的root是一个指向<data>Element对象，我们可以通过查看root的tag和attrib来验证这一点：
>>> root.tag
'data'
>>> root.attrib
{}
上面的代码说明了查看一个Element的Tag和Attribute的方法，Tag是一个字符串，而Attribute得到的是一个字典。
另外，还可以使用
- Element.get(AttributeName)
来代替Element.attrib[AttributeName]来访问。
查看孩子
root.attrib返回的是一个空字典，如果看root的孩子，可以得到非空的attrib字典。
1、使用for...in...访问
for child in root:
print child.tag, child.attrib
得到
country {'name': 'Liechtenstein'}
country {'name': 'Singapore'}
country {'name': 'Panama'}
2、使用下标访问
如:
>>> print root[0].tag
country
>>> print root[0][0].tag
rank
3、使用Tag名称访问
下标访问的方法虽然简单，但是在未知XML具体结构的时候并不适用，通过Tag名称访问的方法更具有普适性。这里用到Element类的几个函数，分别是
- Element.iter()
- Element.findall()
- Element.find()
这两个函数使用的场景有所差异：
Element.iter()用来寻找所有符合要求的Tag，注意，这里查找的范围是所有孩子和孩子的孩子 and so on。如果查看所有的year，可以使用下面的代码：
for neighbor in root.iter('year'):
print neighbor.text
返回
2008
2011
2011
Element.findall()只查找直接的孩子，返回所有符合要求的Tag的Element，而Element.find()只返回符合要求的第一个Element。如果查看Singapore的year的值，可以使用下面的代码：
for country in root.findall('country'):
if country.attrib['name'] == 'Singapore':
year = country.find('year') # 使用Element.find()
print year.text
for country in root.findall('country'):
if country.attrib['name'] == 'Singapore':
years = country.findall('year') # 使用Element.findall()
print years[0].text # 注意和上段的区别
查看Element的值
我们可以直接用Element.text来得到这个Element的值。
四、修改XML
前面已经介绍了如何获取一个Element的对象，以及查看它的Tag、Attribute、值和它的孩子。下面介绍如何修改一个Element并对XML文件进行保存
修改Element
修改Element可以直接访问Element.text。
修改Element的Attribute，也可以用来新增Attribute：
Element.set('AttributeName','AttributeValue')
新增孩子节点：
Element.append(childElement)
删除孩子节点：
Element.remove(childElement)
保存XML
我们从文件解析的时候，我们用了一个ElementTree的对象tree，在完成修改之后，还用tree来保存XML文件。
tree.write('output.xml')
构建XML
ElementTree提供了两个静态函数（直接用类名访问，这里我们用的是ET）可以很方便的构建一个XML，如：
root = ET.Element('data')
country = ET.SubElement(root,'country', {'name':'Liechtenstein'})
rank = ET.SubElement(country,'rank')
rank.text = '1'
year = ET.SubElement(country,'year')
year.text = '2008'
ET.dump(root)
就可以得到
<data><country name="Liechtenstein"><rank>1</rank><year>2008</year></country></data>
五、XPath支持
XPath表达式用来在XML中定位Element，下面给一个例子来说明：
import xml.etree.ElementTree as ET
root = ET.fromstring(countrydata)
# Top-level elements
root.findall(".")
# All 'neighbor' grand-children of 'country' children of the top-level
# elements
root.findall("./country/neighbor")
# Nodes with name='Singapore' that have a 'year' child
root.findall(".//year/..[@name='Singapore']")
# 'year' nodes that are children of nodes with name='Singapore'
root.findall(".//*[@name='Singapore']/year")
# All 'neighbor' nodes that are the second child of their parent
root.findall(".//neighbor[2]")
