当前位置：极客笔记 > Python > Python 精选教程 > 如何在Python中处理XML – Element Tree库

如何在Python中处理XML – Element Tree库

如何在Python中处理XML – Element Tree库

在本教程中，我们将学习如何使用Python解析XML文件，使用Python的ElementTree包修改和填充XML文件。为了理解数据，我们还将学习XPath表达式和XML树。

让我们简要介绍XML。如果您对XML的概念已经很熟悉，可以跳过本节，从下一节开始。

什么是XML

XML是”可扩展标记语言”的缩写。它用于通过XML框架动态地理解数据。它主要用于创建具有特定结构的网页。

使用XML创建的页面被称为XML文档。XML生成一个类似树形结构的数据，非常直观且支持层次结构。让我们了解一些XML的重要属性。

  • XML文档由位于开始<和>结束标记之间的元素组成。开始和结束标记之间的字符是元素的内容。元素可以包含标记，包括其他元素，即”子元素”。顶级元素被称为根元素，包含所有其他文档。
  • 开始标签或空元素包含名值对，称为属性。

下面是XML文件的示例结构。

XML

<?xml version="1.0"?>
<catalog>
   <book id="bk101">
      <author>Gambardella, Matthew</author>
      <title>XML Developer's Guide</title>
      <genre>Computer</genre> 
      <price>44.95</price>
      <publish_date>2000-10-01</publish_date>
      <description>An in-depth look at creating applications 
      with XML.</description>
   </book>
   <book id="bk102">
      <author>Ralls, Kim</author>
      <title>Midnight Rain</title>
      <genre>Fantasy</genre>
      <price>5.95</price>
      <publish_date>2000-12-16</publish_date>
      <description>A former architect battles corporate zombies, 
      an evil sorceress, and her own childhood to become queen 
      of the world.</description>
   </book>
   <book id="bk103">
      <author>Corets, Eva</author>
      <title>Maeve Ascendant</title>
      <genre>Fantasy</genre>
      <price>5.95</price>
      <publish_date>2000-11-17</publish_date>
      <description>After the collapse of a nanotechnology 
      society in England, the young survivors lay the 
      foundation for a new society.</description>
   </book>
   <book id="bk104">
      <author>Corets, Eva</author>
      <title>Oberon's Legacy</title>
      <genre>Fantasy</genre>
      <price>5.95</price>
      <publish_date>2001-03-10</publish_date>
      <description>In post-apocalypse England, the mysterious 
      agent known only as Oberon helps to create a new life 
      for the inhabitants of London. Sequel to Maeve 
      Ascendant.</description>
   </book>
   <book id="bk105">
      <author>Corets, Eva</author>
      <title>The Sundered Grail</title>
      <genre>Fantasy</genre>
      <price>5.95</price>
      <publish_date>2001-09-10</publish_date>
      <description>The two daughters of Maeve, half-sisters, 
      battle one another for control of England. Sequel to 
      Oberon's Legacy.</description>
   </book>
   <book id="bk106">
      <author>Randall, Cynthia</author>
      <title>Lover Birds</title>
      <genre>Romance</genre>
      <price>4.95</price>
      <publish_date>2000-09-02</publish_date>
      <description>When Carla meets Paul at an ornithology 
      conference, tempers fly as feathers get ruffled.</description>
   </book>
   <book id="bk107">
      <author>Thurman, Paula</author>
      <title>Splish Splash</title>
      <genre>Romance</genre>
      <price>4.95</price>
      <publish_date>2000-11-02</publish_date>
      <description>A deep sea diver finds true love twenty 
      thousand leagues beneath the sea.</description>
   </book>
   <book id="bk108">
      <author>Knorr, Stefan</author>
      <title>Creepy Crawlies</title>
      <genre>Horror</genre>
      <price>4.95</price>
      <publish_date>2000-12-06</publish_date>
      <description>An anthology of horror stories about roaches,
      centipedes, scorpions  and other insects.</description>
   </book>
   <book id="bk109">
      <author>Kress, Peter</author>
      <title>Paradox Lost</title>
      <genre>Science Fiction</genre>
      <price>6.95</price>
      <publish_date>2000-11-02</publish_date>
      <description>After an inadvertant trip through a Heisenberg
      Uncertainty Device, James Salway discovers the problems 
      of being quantum.</description>
   </book>
</catalog>

正如我们在上面的XML示例文件中看到的-

  • <catlog>是单一的根元素，其中包含其他所有元素，如或<title>。
  • 子元素或子元素位于<catlog>内部，我们可以看到它们是嵌套的。
  • <book>元素包含多个“属性”，如作者、标题等。

注意-子元素可以包含自己的子元素，也称为“子子元素”。

现在，让我们转向ElementTree库。

什么是ElementTree

XML树结构允许我们以简单的方式进行修改、导航和删除。Python带有ElementTree库，它提供了几个函数来读取和操作XML。它用于解析（从文件中读取信息并将其分成片段）。下面是XML数据结构的表格表示。

属性 描述
标签 它代表被存储的数据。基本上是一个字符串。
属性 它包含作为字典存储的多个属性。
文本字符串 它是由需要显示的信息组成的文本字符串。
尾部字符串 如果需要，还可以有尾部字符串。
子元素 它由作为序列存储的多个子元素组成。

要使用ElementTree模块，我们需要将其导入到我们的程序中，如下所示。

import xml.etree.ElementTree as ET

解析XML数据

本教程的主要目标是使用Python读取和理解文件。我们的示例xml文件中有很多图书详细信息，但数据混乱不一致。任何人都可以将数据以自己的方式输入到文件中，导致数据不一致。

让我们看以下示例。

示例

import xml.etree.ElementTree as ET
tree = ET.parse('book.xml')
root = tree.getroot()
print(root)

输出：

<Element 'catalog' at 0x000001FAD52C44A0>

我们在上面的代码中初始化了树，同时打印了XML根对象。现在，我们可以打印树的每个部分，以便更容易地了解树的结构。

正如之前讨论的那样，树的每个部分都包含一个标签，确定元素。元素可以包含属性，在验证输入的值方面起着重要作用。让我们打印XML的根标签。

print(root.tag)

输出：

catalog

如果我们观察XML文件的顶层，这个XML是以collection标签为根。让我们看一下根标签的属性。

print("Attributes are:",root.attrib)

输出：

Attributes are: {}

正如我们所看到的，在根元素中没有属性。

使用For循环解析

我们可以使用for循环遍历根元素中的子元素或子节点。让我们理解以下示例。

示例

import xml.etree.ElementTree as ET
tree = ET.parse('book.xml')
root = tree.getroot()

for ch in root:
    print(ch.tag, ch.attrib)

输出：

Iterating root using for loop
book {'id': 'bk101'}
book {'id': 'bk102'}
book {'id': 'bk103'}
book {'id': 'bk104'}
book {'id': 'bk105'}
book {'id': 'bk106'}
book {'id': 'bk107'}
book {'id': 'bk108'}
book {'id': 'bk109'}

如我们所见，所有的书属性都是根元素 catalog 的子元素。id属性指定了书属性。不同的id有不同的书。

获取整个树中元素的信息非常有帮助。现在我们使用 root.iter() 方法在for循环中，它返回我们拥有的元素数量。然而，它不显示树中的属性或层级。

示例

import xml.etree.ElementTree as ET
tree = ET.parse('book.xml')
root = tree.getroot()

print("Iterating root using for loop:")
tags = [elem.tag for elem in root.iter()]
print(tags)

输出：

['catalog', 'book', 'author', 'title', 'genre', 'price', 'publish_date', 'description', 'book', 'author', 'title', 'genre', 'price', 'publish_date', 'description', 'book', 'author', 'title', 'genre', 'price', 'publish_date', 'description', 'book', 'author', 'title', 'genre', 'price', 'publish_date', 'description', 'book', 'author', 'title', 'genre', 'price', 'publish_date', 'description', 'book', 'author', 'title', 'genre', 'price', 'publish_date', 'description', 'book', 'author', 'title', 'genre', 'price', 'publish_date', 'description', 'book', 'author', 'title', 'genre', 'price', 'publish_date', 'description', 'book', 'author', 'title', 'genre', 'price', 'publish_date', 'description']

由于ElementTree是一个强大的库，我们可以使用.tostring()方法打印整个文档。我们需要将根元素传递到此方法中，并对文档进行编码和解码。对于XML文件，它使用’utf98’。

让我们了解以下代码片段。

示例

print(ET.tostring(root, encoding='utf8').decode('utf8'))

输出:

<?xml version='1.0' encoding='utf8'?>
<catalog>   
   <book id="bk101">
      <author>Gambardella, Matthew</author>
      <title>XML Developer's Guide</title>
      <genre>Computer</genre>
      <price>44.95</price>
      <publish_date>2000-10-01</publish_date>
      <description>An in-depth look at creating applications
      with XML.</description>
   </book>
   <book id="bk102">
      <author>Ralls, Kim</author>
      <title>Midnight Rain</title>
      <genre>Fantasy</genre>
      <price>5.95</price>
      <publish_date>2000-12-16</publish_date>
      <description>A former architect battles corporate zombies,
      an evil sorceress, and her own childhood to become queen
      of the world.</description>
   </book>
   <book id="bk103">
      <author>Corets, Eva</author>
      <title>Maeve Ascendant</title>
      <genre>Fantasy</genre>
      <price>5.95</price>
      <publish_date>2000-11-17</publish_date>
      <description>After the collapse of a nanotechnology
      society in England, the young survivors lay the
      foundation for a new society.</description>
   </book>
   <book id="bk104">
      <author>Corets, Eva</author>
      <title>Oberon's Legacy</title>
      <genre>Fantasy</genre>
      <price>5.95</price>
      <publish_date>2001-03-10</publish_date>
      <description>In post-apocalypse England, the mysterious
      agent known only as Oberon helps to create a new life
      for the inhabitants of London. Sequel to Maeve
      Ascendant.</description>
   </book>
   <book id="bk105">
      <author>Corets, Eva</author>
      <title>The Sundered Grail</title>
      <genre>Fantasy</genre>
      <price>5.95</price>
      <publish_date>2001-09-10</publish_date>
      <description>The two daughters of Maeve, half-sisters,
      battle one another for control of England. Sequel to
      Oberon's Legacy.</description>
   </book>
   <book id="bk106">
      <author>Randall, Cynthia</author>
      <title>Lover Birds</title>
      <genre>Romance</genre>
      <price>4.95</price>
      <publish_date>2000-09-02</publish_date>
      <description>When Carla meets Paul at an ornithology
      conference, tempers fly as feathers get ruffled.</description>
   </book>
   <book id="bk107">
      <author>Thurman, Paula</author>
      <title>Splish Splash</title>
      <genre>Romance</genre>
      <price>4.95</price>
      <publish_date>2000-11-02</publish_date>
      <description>A deep sea diver finds true love twenty
      thousand leagues beneath the sea.</description>
   </book>
   <book id="bk108">
      <author>Knorr, Stefan</author>
      <title>Creepy Crawlies</title>
      <genre>Horror</genre>
      <price>4.95</price>
      <publish_date>2000-12-06</publish_date>
      <description>An anthology of horror stories about roaches,
      centipedes, scorpions  and other insects.</description>
   </book>
   <book id="bk109">
      <author>Kress, Peter</author>
      <title>Paradox Lost</title>
      <genre>Science Fiction</genre>
      <price>6.95</price>
      <publish_date>2000-11-02</publish_date>
      <description>After an inadvertant trip through a Heisenberg
      Uncertainty Device, James Salway discovers the problems
      of being quantum.</description>
   </book>
</catalog>

根据指定元素查找所有子元素，可以使用root.iter()方法。该方法将返回根元素下所有匹配指定元素的子元素。让我们来看下面的代码：

示例

for book in root.iter('book'):
    print(book.attrib)

输出：

{'id': 'bk101'}
{'id': 'bk102'}
{'id': 'bk103'}
{'id': 'bk104'}
{'id': 'bk105'}
{'id': 'bk106'}
{'id': 'bk107'}
{'id': 'bk108'}
{'id': 'bk109'}

XPath表达式

有时候，元素没有属性，只有文本内容。我们可以使用 .text 属性来打印文本内容。让我们理解以下示例。

示例

import xml.etree.ElementTree as ET
tree = ET.parse('book.xml')
root = tree.getroot()

print("Desctiption Values:")
for description in root.iter('description'):
    print(description.text)

输出：

An in-depth look at creating applications 
      with XML.
A former architect battles corporate zombies, 
      an evil sorceress, and her own childhood to become queen 
      of the world.
After the collapse of a nanotechnology
      society in England, the young survivors lay the
      foundation for a new society.
In post-apocalypse England, the mysterious
      agent known only as Oberon helps to create a new life
      for the inhabitants of London. Sequel to Maeve
      Ascendant.
The two daughters of Maeve, half-sisters,
      Oberon's Legacy.
When Carla meets Paul at an ornithology
      conference, tempers fly as feathers get ruffled.
A deep sea diver finds true love twenty
      thousand leagues beneath the sea.
An anthology of horror stories about roaches,
      centipedes, scorpions  and other insects.
After an inadvertant trip through a Heisenberg
      Uncertainty Device, James Salway discovers the problems
      of being quantum.
(Django) PS D:\Python Project> & "C:/Users/DEVANSH SHARMA/.virtualenvs/Django-ExvyqL3O/Scripts/python.exe" "d:/Python Project/sellshares.py"
Desctiption Values:
An in-depth look at creating applications 
      with XML.
A former architect battles corporate zombies,
      an evil sorceress, and her own childhood to become queen
      of the world.
After the collapse of a nanotechnology
      society in England, the young survivors lay the
      foundation for a new society.
In post-apocalypse England, the mysterious
      agent known only as Oberon helps to create a new life
      for the inhabitants of London. Sequel to Maeve
      Ascendant.
The two daughters of Maeve, half-sisters,
      battle one another for control of England. Sequel to
      Oberon's Legacy.
When Carla meets Paul at an ornithology
      conference, tempers fly as feathers get ruffled.
A deep sea diver finds true love twenty
      thousand leagues beneath the sea.
An anthology of horror stories about roaches,
      centipedes, scorpions  and other insects.
After an inadvertant trip through a Heisenberg
      Uncertainty Device, James Salway discovers the problems
      of being quantum.

使用 .text 属性，我们可以获取任何属性的内容。

示例2

print("Title Values:")
for title in root.iter('title'):
    print(title.text)

输出：

Title Values:
XML Developer's Guide
Midnight Rain
Maeve Ascendant
Oberon's Legacy
The Sundered Grail
Lover Birds
Splish Splash
Creepy Crawlies
Paradox Lost

这种打印XML文件的方法不被推荐。然而，XPath是最常用和推荐的方式。它代表XML路径语言，是一种用于快速和简便地搜索XML的查询语言。它具有类似路径的语法，用于在XML文档中标识和导航节点。

ElementTree提供了 findall() 方法，用于遍历所引用元素的直接子元素。

让我们理解以下示例。

示例

import xml.etree.ElementTree as ET
tree = ET.parse('book.xml')
root = tree.getroot()

for val in root.findall("./book/[price='5.95']"):
    print(val.attrib)

输出：

{'id': 'bk102'}
{'id': 'bk103'}
{'id': 'bk104'}
{'id': 'bk105'}

有三本书的价格都是5.95元。这种方法在大型XML文件中查找特定结果非常有效快速。现在，我们找到了流派是浪漫的书籍。

示例2:

for val in root.findall("./book/[genre='Romance']"):
    print(val.attrib)

输出:

{'id': 'bk106'}
{'id': 'bk107'}

修改XML

根据需求，我们可以修改XML文件。让我们看一下下面的示例。

示例再次打印出书籍的标题

for title in root.iter('title'):
    print(title.text)

输出：

XML Developer's Guide
Midnight Rain
Maeve Ascendant
Oberon's Legacy
The Sundered Grail
Lover Birds
Splish Splash
Creepy Crawlies
Paradox Lost

现在我们将把 ‘Midnight Rain’ 的标题替换为 the Alchemist 。

mod_title = root.find("./book/[title='Midnight Rain']")
print(mod_title)

mod_title.attrib["title"] = "The Alchemist"
print(mod_title.attrib)

输出:

<Element 'book' at 0x0000024822762770>
{'id': 'bk102', 'title': 'The Alchemist'}

一旦我们修改了XML文件，我们将把这个更改写回XML。让我们理解下面的示例。

示例

tree.write("book.xml")

tree = ET.parse('book.xml')
root = tree.getroot()

for title in root.iter('title'):
    print(title.attrib)

输出:

XML Developer's Guide
The Alchemist
Maeve Ascendant
Oberon's Legacy
The Sundered Grail
Lover Birds
Splish Splash
Creepy Crawlies
Paradox Lost

示例2:

for description in root.iter('description'):
     new_desc = str(description.text)+'This is a author view'
     description.text = str(new_desc)
     description.set('updated', 'yes')

tree.write('book.xml')

输出：

<catalog>
   <book id="bk101">
      <author>Gambardella, Matthew</author>
      <title>XML Developer's Guide</title>
      <genre>Computer</genre>
      <price>44.95</price>
      <publish_date>2000-10-01</publish_date>
      <description>An in-depth look at creating applications 
      with XML.</description>
   </book>
   <book id="bk102">
      <author>Ralls, Kim</author>
      <title>Midnight Rain</title>
      <genre>Fantasy</genre>
      <price>5.95</price>
      <publish_date>2000-12-16</publish_date>
      <description>A former architect battles corporate zombies, 
      an evil sorceress, and her own childhood to become queen 
      of the world.</description>
   </book>

上面的代码将把新的描述添加到book.xml文件中。我们只展示了两本书的输出，但它将反映在整个文件数据中。

结论

在本教程中，我们解释了一些重要的概念。XML文件遵循由标签构建的树结构，它们指定应该在那里定义哪些值。智能结构化帮助我们轻松地读取和写入XML。使用开放和关闭括号，标签表示父子关系。

属性进一步描述了如何验证标签或允许布尔标签。如教程中所讨论的， ElementTree 是一个强大的Python库，可以让我们解析和浏览XML文档。这个库将XML文档分解为树结构，提供了一种简单的方法来处理XML文档。现在我们可以在项目中使用这个库并解析文档。

Camera课程

Camera API2 教程

API2 教程
Camera 性能教程

Perf 教程
Camera Native Framework 教程

Native FW 教程
Camera QCOM ISP 教程

ISP 教程
Camera QCOM Sensor 教程

Sensor 教程

Python教程

Python 教程

Python 教程
NumPy 教程

NumPy 教程
Django 教程

Django 教程

Java教程

Java 教程

Java 教程

Web教程

JavaScript 教程

JavaScript 教程
jQuery 教程

jQuery 教程
CSS 教程

CSS 教程
PHP 教程

PHP 教程
Laravel 教程

Laravel 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程

数据库教程

SQL 教程

SQL 教程
SQLite 教程

SQLite 教程
MySQL 教程

MySQL 教程
PL/SQL 教程

PL/SQL 教程
MongoDB 教程

MongoDB 教程

图形图像教程

OpenCV 教程

OpenCV 教程

办公软件教程

Excel 教程

Excel 教程

Linux教程

Linux命令全集

Linux命令全集
Linux内核API

Linux内核API
LVGL 教程

LVGL 教程

计算机教程

操作系统 教程

操作系统 教程
计算机网络 教程

计算机网络 教程
C语言 教程

C语言 教程
C++ 教程

C++ 教程
Swift 教程

Swift 教程

大数据教程

Hadoop 教程

Hadoop 教程
Spark 教程

Spark 教程
Scala 教程

Scala 教程

开发工具教程

Git 教程

Git 教程
Jenkins 教程

Jenkins 教程
ChatGPT 教程

ChatGPT 教程
IntelliJ 教程

IntelliJ 教程

Python 精选教程