python lxml处理xml

解析xml

xml元素说明

<root>
    <tag1 attrib11="" attrib12="" >text1tag1>tail1
    <tag2 attrib21="" attrib22="" >text2tag2>tail2
root>

生成xml对象

# encoding=utf8
from lxml import etree
xml = etree.parse('filepath')

找到根节点，获取所有子节点

root = xml.getroot()
children = root.xpath('//*')
child = children[0]

etree.parse()得到对象lxml.etree._ElementTree，xml.getroot()得到对象Element，我们主要操作的对象是Element

Element属性

print(child.tag)
print(child.attrib)
print(child.text)
print(child.tail)

>>> tag1
>>> {'attrib11': '', 'attrib12': ''}
>>> text1
>>> tail1

Element操作

修改属性

child.tag = 'newtag'
newattrib = {}
child.attrib.update(newattrib)

attrib属性不能直接赋值，可用dict.update方法来修改

新建Element

attrib = {}
element = etree.Element('tag', attrib=attrib)

Element子节点增删改

print(root.xpath('.//*'))
root.append(child)
print(root.xpath('.//*'))
root.insert(0, child)
print(root.xpath('.//*'))
root.remove(child)
print(root.xpath('.//*'))
root.append(element)
print(root.xpath('.//*'))

>>> [<Element t8aaa at 0x52e8ac8>, <Element t98ab at 0x52e8b08>]
>>> [<Element t98ab at 0x52e8b08>, <Element t8aaa at 0x52e8ac8>]
>>> [<Element t8aaa at 0x52e8ac8>, <Element t98ab at 0x52e8b08>]
>>> [<Element t98ab at 0x52e8b08>]
>>> [<Element t98ab at 0x52e8b08>, <Element t7efa at 0x52e8bf8>]

在同一个父节点下插入同一个Element只会改变顺序，不会新增节点，只有插入新的Element才会新增节点

生成xml文件

etree.ElementTree(root).write('filename', encoding='utf-8', pretty_print=True, 
							  xml_declaration=True)

• encoding控制xml编码，不设置时默认使用URL编码。
• xml_declaretion控制xml是否带声明（）。
• pretty_print控制是否带格式输出，需要特别注意的是，要使pretty_print生效，需要在解析xml的时候就设置使用参数为remove_blank_text=True的解析器¹，即：

xml = etree.parse('filepath', parser=parser=etree.XMLParser(remove_blank_text=True))
root = xml.getroot()

用etree.Element生成的节点作为根节点生成xml则pretty_print可以生效

参考文献

---

1. https://lxml.de/FAQ.html#why-doesn-t-the-pretty-print-option-reformat-my-xml-output ↩︎