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&#39;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

1. @H_301_2@标签以一个<字符开头，例如实例中的Feed、title、subtitle、author。

2. @H_301_2@忽略空格

3. @H_301_2@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！
4. @H_301_2@标签之间是可以存在多级嵌套的

5. @H_301_2@可选属性(attribute)可以出现在开始标签里

6. @H_301_2@标签中可以包含值(value)

7. @H_301_2@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
   @H_301_2@代替开始和结束都存在的标签。

8. @H_301_2@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。

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")

创建二级标签，tag名name，attrib标签属性

>>>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

代码

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()

生成的xml文件

<?xmlversion="1.0"?>
<level1age="1">
<level2age="2">
<level3age="3"/>
</level2>
</level1>

解析XML

first.xml文件内容为：

<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

为节点添加属性

>>>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")

删除节点属性

>>>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
{}
{}
{}

修改节点内容

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

获取节点的方法

>>>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

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

代码

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