Python xml 模块

Python xml 模块

TOC

• 什么是xml？
• xml和json的区别
• xml现今的应用
• xml的解析方式
  • xml.etree.ElementTree
  • SAX（xml.parsers.expat）
  • DOM
• 修改xml
• 构建xml

什么是xml?
我的理解是，xml存储着数据，是一种数据结构，结构化的存储着数据(已标签为节点的树形结构)
就像字典、列表一样，都是一种特定的数据结构。
只不过字典、列表是python解释器在内存中使用的一种数据结构，而xml是文件这种载体中的一种数据结构。
标签节点(Element):包含名字tag，属性attrib, 值text。

xml和json的区别
都说了xml是一种在文本中的一种数据结构，json是内存中数据序列化方式中的一种，序列化为json后可以写入文本中。json也可以看做一种数据结构，但是json可以表示的数据结构可以有很多如对象，列表，整数，字符串，布尔，所以说json是一种数据交换格式。

xml 现今的应用

由于json数据表达格式的出现，当今不同系统程序间的数据交换大多都是使用json。因为json是足够的轻量级，易读易写易解析，所以json是非常的流行。
而xml则廉颇老矣，应该很多老的系统程序还在延续使用了。因为xml解析和创建都很繁琐，解析访问修改xml的方式也很多，所以导致了xml在新开发的软件中很少使用了。大多传统软件公司还在使用，新兴互联网公司都是用json进行数据文件话，或者数据传递。

xml的解析方式

主要有：

1. xml.etree.ElementTree 子模块 提供简单有效的解析xml的API以及创建xml
2. DOM——The Document Object Model 缺点将整个xml加载到内存，占用内存大，解析慢。优点，可以任意遍历树节点。
3. SAX——The Simple API For Xml 因为是流模式读取解析，所以缺点就是需要自己写代码对每个节点的开始、内容、结尾进行处理。不是任意的遍历，是从头到尾。

1. xml.etree.ElementTree

两个主要类：
1 .1. ElementTree 代表整个xml 树。

• 怎么实例ElementTree对象
  • ElementTree.parse('xmlfile')
  • 如果xml形式已经是字符串，那么可能就直接将xml字符串实例为Element对象
• ElementTree level涉及到读xml文件和写xml文件

1 .2. Element 代表一个标签节点，可迭代，可索引访问，可包含子Element对象。有tag，attrib,text属性，分别代表标签名，属性字典，内容(如果内容是一个子Element，那么返回'\n ')

• 怎么实例Element对象
  • ElementTreeInstance.getroot()
  • ElementTree.fromstring(string) 这就是上面提到的从xml字符串中处理xml内容，这就不必先得到ElementTree对象再得到Element对象。
• Element是用于处理节点相关的任何操作

• 需要注意，如果节点的tag有引用命名空间，那么tag明就要带上指定命名空间的值。

  
  xmlns就是命名空间，yweather就是命名空间中的一个变量，会在tag中解析这个变量

• Element常用方法
  Element.findall(match, namespace=None) 匹配上match的所有直属子element
  Element.find(match, namespace=None) 至匹配第一个直属子element

Element.iter(tag=None) 迭代器中存在等于参数tag的所有节点的子节点，包括子节点的子节点，一直递归下去，所以这个很方便。区别域find和findall是正则匹配并且只在直属子节点。
例如test.xml

    
        1
        2008
        141100
        
        
    
    
        4
        2011
        59900
        
    
    
        68
        2011
        13600
        
        
    

解析xml

import xml.etree.ElementTree as ET
eletree = ET.parse('test.xml')  # 打开test.xml得到ElementTree对象
root_node = eletree.getroot()  # 通过ElementTree对象的getroot得到root标签Element对象
child1 = root_node[0]  # Element对象可迭代，支持索引访问协议，返回子节点
child2 = root_node[1]
atrrdict1 = child1.attrib  # 获取child1标签的属性，已字典方式返回
child1ofchild1 = child1[0]  # 说明如果节点的内容还是节点，那么这个节点是可迭代的，如果节点能获取到text内容，那么这个节点就不能迭代访问了。
print(child1ofchild1.text)  # 1

# 还可以遍历节点
for inode in root_node:
    print(inode)

2. SAX

使用xml.parsers.expat
使用里面的类ParserCreate()将返回一个xmlparser object,这个对象可以解析xml通过像数据流一样，一个节点一个节点的处理，处理方式是已事件触发式，即遇到节点的事件，调用事件提前做好的处理方法进行处理。
所以这种方式解析xml，需要自己定义事件的处理器，并保存每种事件处理的结果。
主要事件Event有三种：
* StartElement Event
* EndElement Event
* CharactorData Event
要处理哪种事件，就要相应handler赋给ParserCreate
如：

import re
import datetime
from urllib import request
from xml.parsers.expat import ParserCreate
import xml.etree.ElementTree as et

with request.urlopen('https://query.yahooapis.com/v1/public/yql?q=select%20*%20from%20weather.forecast%20where%20woeid%'
                     '20%3D%202151330&format=xml') as fp:
    wther_cont = fp.read().decode('utf-8')


# 已SAX方式解析xml
def parsexml(xml_str):
    wth_dict = dict()
    wth_dict.setdefault('city', re.search(r'Conditions for\s(?P\w+),', xml_str).group('city'))  # 没找到city具体的标签或者属性，替代着用re来处理。
    wth_dict.setdefault('forecast', list())
    xml_parser = ParserCreate()  # a instance of ParserCreate, it is a xml processor.

    def start_ele(name, attrs):  # 定义start_element事件的处理
        if name == 'yweather:forecast':
            del attrs['xmlns:yweather']
            del attrs['code']
            del attrs['text']
            del attrs['day']
            # attrs['date'] = datetime.
            wth_dict['forecast'].append(attrs)

    xml_parser.StartElementHandler = start_ele  # 这里只定义了StartElement事件的处理方式
    xml_parser.Parse(xml_str)
    return wth_dict
print(parsexml(wther_cont))

• xmlparser.Parse() 与 xmlparser.ParseFile(file) 分别是xml字符串和xml文件作为参数进行解析
• 因为每种事件的处理，所以最好自己在定义一个类，提供事件的处理方法，和存储事件处理想要从xml中得到的数据。

3. DOM

略

修改XML

提供修改主要使用xml.etree.ElementTree模块
模块的ElementTree对象提供写入和读取xml，所以修改xml后，通过ElementTree.write(file)方法将修改后的xml写入xml文件中。
其实修改内容就是修改element对象的各种属性的值，如tag,attrib,text。
例如test.xml进行修改

import xml.etree.ElementTree as ET
eletree = ET.parse('./test.xml')
root_ele = eletree.getroot()
root_ele[0].attrib.pop('name')
eletree.write('./test.xml')

结果test.xml变为

       # 没有了name
        1
        2008
        141100
        
        
    
    
        4
        2011
        59900
        
    
    
        68
        2011
        13600
        
        
    

还可以删除某节点的子节点，element.remove(subelement)

import xml.etree.ElementTree as ET
eletree = ET.parse('./test.xml')
root_ele = eletree.getroot()
root_ele.remove(root_ele[2])
eletree.write('./test.xml')

test.xml变为

    
        1
        2008
        141100
        
        
    
    
        4
        2011
        59900
        
    
    

构建XML

1. 最简单方式，直接拼接字符串

2. 通过ElementTree对象的方法构建

   a = ET.Element('a')
   b = ET.SubElement(a, 'b')
   c = ET.SubElement(a, 'c')
   d = ET.SubElement(c, 'd')
   ET.dump(a)

可以通过Element操作丰富内容
给test.xml的root节点添加一个节点

import xml.etree.ElementTree as ET
eletree = ET.parse('./test.xml')
root_ele = eletree.getroot()
haha = ET.SubElement(root_ele, 'haha')
haha.attrib.setdefault('test','testvalue')
haha.text = 'hellworld'
eletree.write('./test.xml')

结果：

    
        1
        2008
        141100
        
        
    
    
        4
        2011
        59900
        
    
    
        hellworld
    

这次算是终于理解了xml的结构和解析。注意xml中的namespace。