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：
<?xmlversion="1.0"encoding="utf-8"?> <Feedxmlns="http://www.w3.org/2005/Atom"> <title>安生'sBlog</title> <subtitle>大好时光！</subtitle> <linkhref="/atom.xml"rel="self"/> <linkhref="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
忽略空格
- 大好时光！
标签之间是可以存在多级嵌套的
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。
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
>>>fromxml.etreeimportElementTreeasET
创建顶级标签
>>>level_1=ET.Element("famliy")
>>>level_2=ET.SubElement(level_1,"name",attrib={"enrolled":"yes"})
创建三级标签
>>>level_3=ET.SubElement(level_2,"age",attrib={"checked":"no"})
生成文档
>>>tree=ET.ElementTree(level_1)
写入文件中
>>>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
>>>importos
>>>os.system("catoooo.xml")
#生成出来的文档是没有换行的
<famliy><nameenrolled="yes"><agechecked="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
fromxml.etreeimportElementTreeasET
fromxml.domimportminidom
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)
defprettify(root):
rough_string=ET.tostring(root,'utf-8')
reparsed=minidom.parseString(rough_string)
returnreparsed.toprettyxml(indent="\t")
new_str=prettify(root)
f=open("new_out.xml","w")
f.write(new_str)
f.close()
<?xmlversion="1.0"?> <level1age="1"> <level2age="2"> <level3age="3"/> </level2> </level1>
解析XML
<data> <countryname="Liechtenstein"> <rankupdated="yes">2</rank> <yearage="19">2025</year> <gdppc>141100</gdppc> <neighbordirection="E"name="Austria"/> <neighbordirection="W"name="Switzerland"/> </country> <countryname="Singapore"> <rankupdated="yes">5</rank> <yearage="19">2028</year> <gdppc>59900</gdppc> <neighbordirection="N"name="Malaysia"/> </country> <countryname="Panama"> <rankupdated="yes">69</rank> <yearage="19">2028</year> <gdppc>13600</gdppc> <neighbordirection="W"name="CostaRica"/> <neighbordirection="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
>>>fromxml.etreeimportElementTreeasET #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' >>>fornodeinroot: ...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
>>>fromxml.etreeimportElementTreeasET #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
>>>fromxml.etreeimportElementTreeasET
>>>tree=ET.parse("first.xml")
>>>root=tree.getroot()
>>>fornodeinroot.iter('year'):
#输出node的tag和内容
...print(node.tag,node.text)
...
year2025
year2028
year2028
增、删、改XML
>>>fromxml.etreeimportElementTreeasET
>>>tree=ET.parse("first.xml")
>>>root=tree.getroot()
>>>fornodeinroot.iter("year"):
#查看原来的属性
...print(node.attrib)
...
{}
{}
{}
>>>fornodeinroot.iter("year"):
#添加属性
...node.set("OS","Linux")
...
>>>fornodeinroot.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")
>>>fromxml.etreeimportElementTreeasET
>>>tree=ET.parse("first.xml")
>>>root=tree.getroot()
>>>fornodeinroot.iter("year"):
#删除节点的OS属性
...delnode.attrib['OS']
...
#写入到文件当中
>>>tree.write("first.xml")
查看属性
>>>fromxml.etreeimportElementTreeasET
>>>tree=ET.parse("first.xml")
>>>root=tree.getroot()
>>>fornodeinroot.iter("year"):
...print(node.attrib)
...
#节点内容为空
{}
{}
{}
修改year内的数字自加1
>>>fromxml.etreeimportElementTreeasET
>>>tree=ET.parse("first.xml")
>>>root=tree.getroot()
>>>fornodeinroot.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")
>>>fornodeinroot.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
>>>fromxml.etreeimportElementTreeasET
>>>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
| 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
>>>importrequests
>>>fromxml.etreeimportElementTreeasET
>>>r=requests.get("http://www.webxml.com.cn//webservices/qqOnlineWebService.asmx/qqCheckOnline?qqCode=6087414")
>>>result=r.text
>>>fromxml.etreeimportElementTreeasET
>>>node=ET.XML(result)
>>>ifnode.text=="Y":
...print("在线")
...else:
...print("离线")
...
在线
获取列车起止时间
r=requests.get("http://www.webxml.com.cn/WebServices/TrainTimeWebService.asmx/getDetailInfoByTrainCode?TrainCode=K234&UserID=")
result=r.text
root=ET.XML(result)
fornodeinroot.iter('TrainDetailInfo'):
print(node.find('TrainStation').text,node.find('ArriveTime').text,node.find("StartTime").text)
执行结果
C:\Python35\python.exeF:/Python_code/sublime/Week5/Day01/xml_mod.py 上海（车次：K234\K235）None11:12:00 #地点停止启动 昆山11:45:0011:48:00 苏州12:12:0012:16:00 无锡12:44:0012:55:00 常州13:22:0013:26:00 镇江14:13:0014:16:00 南京15:04:0015:16:00 蚌埠17:27:0017:50:00 徐州19:38:0019:58:00 商丘22:12:0022:17:00 开封23:49:0023:53:00 郑州00:37:0001:14:00 新乡02:20:0002:22:00 鹤壁03:01:0003:03:00 安阳03:33:0003:36:00 邯郸04:11:0004:16:00 邢台04:47:0004:51:00 石家庄06:05:00None Processfinishedwithexitcode0
