xml即可扩展标记语言,它可以用来标记数据、定义数据类型,是一种允许用户对自己的标记语言进行定义的源语言。从结构上,很像HTML超文本标记语言。但他们被设计的目的是不同的,超文本标记语言被设计用来显示数据,其焦点是数据的外观。它被设计用来传输和存储数据,其焦点是数据的内容。那么Python是如何处理XML语言文件的呢?下面一起来看看Python常用内置模块之xml模块吧。
本文主要学习的ElementTree是python的XML处理模块,它提供了一个轻量级的对象模型。在使用ElementTree模块时,需要import xml.etree.ElementTree的操作。ElementTree表示整个XML节点树,而Element表示节点数中的一个单独的节点。
构建XML文件
ElementTree(tag),其中tag表示根节点,初始化一个ElementTree对象。
Element(tag, attrib={}, **extra)函数用来构造XML的一个根节点,其中tag表示根节点的名称,attrib是一个可选项,表示节点的属性。
SubElement(parent, tag, attrib={}, **extra)用来构造一个已经存在的节点的子节点
Element.text和SubElement.text表示element对象的额外的内容属性,Element.tag和Element.attrib分别表示element对象的标签和属性。
ElementTree.write(file, encoding='us-ascii', xml_declaration=None, default_namespace=None, method='xml'),函数新建一个XML文件,并且将节点数数据写入XML文件中。
下面以新建一个网站的sitemap.xml文件为例进行代码示例。
#!/usr/bin/env python # coding:utf-8 from xml.etree import ElementTree as ET def build_sitemap(): # 设置一个新节点,并设置其标签为urlset urlset = ET.Element("urlset") # 在urlset下新建两个子节点,设置其名称分别为sina和chinabyte url = ET.SubElement(urlset, "url") # 在url下新建四个子节点,设置其节点名称分别为loc、lastmod、changefreq、priority loc = ET.SubElement(url, "loc") loc.text = "https://www.noniu.com/" lastmod = ET.SubElement(url, "lastmod") lastmod.text = "2015-12-19" changefreq = ET.SubElement(url, "changefreq") changefreq.text = "daily" priority = ET.SubElement(url, "priority") priority.text = "1.0" # 将节点数信息保存在ElementTree中,并且保存为XML格式文件 tree = ET.ElementTree(urlset) tree.write("sitemap.xml") if __name__ == '__main__': build_sitemap()
结果如下图所示:
解析和修改XML文件
ElementTree.parse(source, parser=None),将xml文件加载并返回ElementTree对象。parser是一个可选的参数,如果为空,则默认使用标准的XMLParser解析器。
ElementTree.getroot(),得到根节点。返回根节点的element对象。
Element.remove(tag),删除root下名称为tag的子节点
以下函数,ElementTree和Element的对象都包含。
find(match),得到第一个匹配match的子节点,match可以是一个标签名称或者是路径。返回个element
findtext(match,default=None),得到第一个配置的match的element的内容
findall(match),得到匹配match下的所有的子节点,match可以是一个标签或者是路径,它会返回一个list,包含匹配的elements的信息
iter(tag),创建一个以当前节点为根节点的iterator。
还是以上面创建的sitemap.xml为例,对其进行一定的修改,代码示例如下:
#!/usr/bin/env python # coding:utf-8 from xml.etree import ElementTree as ET tree = ET.parse("sitemap.xml") url = tree.find("url") for rank in tree.iter('loc'): rank.text = "https://www.noniu.com/jiaocheng/" tree.write("sitemap.xml")
以上的代码将url修改为https://www.noniu.com/jiaocheng/了。另外,节点还有set(设置节点属性)、attrib(删除节点属性)方法。