深入浅出之xml文件解析（python）

XML（eXtensible Markup Language，可扩展标记语言）是一种用于存储和传输数据的标记语言。与HTML相似，XML也使用标签（tags）来定义数据，但XML的标签不是预定义的，而是由用户根据需要自定义的。这使得XML成为一种非常灵活和强大的数据表示方式。

一、XML的特点

1. 自描述性：XML文档中的每个元素都通过标签来描述，这使得数据易于理解和使用。

2. 结构化：XML提供了一种结构化的方式来组织数据，类似于数据库中的表或树状结构。

3. 可扩展性：用户可以根据需要定义自己的标签和属性，这使得XML能够表示各种类型的数据。

4. 跨平台性：XML是纯文本格式，不依赖于特定的软件或平台，因此可以在不同的系统和应用程序之间交换数据。

5. 支持多种编码：XML允许使用多种字符编码，如UTF-8、ISO-8859-1等，以适应不同语言和字符集的需求。

二、XML的结构

一个XML文档通常包含以下几个部分：

• XML声明：在文档的开头，使用来声明XML的版本和字符编码。这是可选的，但如果存在，则必须位于文档的第一行。

• 根元素：XML文档必须有一个根元素（root element），它是所有其他元素的父元素。

• 元素：元素是XML文档的基本构建块，由开始标签（如）、结束标签（如）和可选的内容组成。

• 属性：元素可以包含属性（attributes），它们提供了关于元素的额外信息。属性以键值对的形式表示，并放在开始标签内。

• 文本内容：元素可以包含文本内容，这是元素的主要数据部分。

三、XML的用途

XML在数据交换、Web服务、配置文件、数据存储等多个领域都有广泛的应用。例如：

• 数据交换：XML可以作为不同系统之间交换数据的通用格式。

• Web服务：许多Web服务使用XML来定义和传输数据。

• 配置文件：许多软件和应用程序使用XML来存储配置信息。

• 数据存储：XML可以作为一种轻量级的数据存储格式，用于存储和传输结构化数据。

四、Python创建XML文件

假设我们要创建一个名为 example.xml 的 XML 文件，内容如下：

    
        John Doe
        30
        john.doe@example.com
    
    
        Jane Smith
        25
        jane.smith@example.com
    

你可以使用任何文本编辑器创建这个文件，或者通过 Python 脚本生成：

import xml.etree.ElementTree as ET

# 创建根元素
root = ET.Element("root")

# 创建第一个 person 元素及其子元素
person1 = ET.SubElement(root, "person")
name1 = ET.SubElement(person1, "name")
name1.text = "John Doe"
age1 = ET.SubElement(person1, "age")
age1.text = "30"
email1 = ET.SubElement(person1, "email")
email1.text = "john.doe@example.com"

# 创建第二个 person 元素及其子元素
person2 = ET.SubElement(root, "person")
name2 = ET.SubElement(person2, "name")
name2.text = "Jane Smith"
age2 = ET.SubElement(person2, "age")
age2.text = "25"
email2 = ET.SubElement(person2, "email")
email2.text = "jane.smith@example.com"

# 将树结构写入文件
tree = ET.ElementTree(root)
with open("example.xml", "wb") as f:
    tree.write(f, encoding="utf-8", xml_declaration=True)

五、Python 使用 ElementTree 解析 xml

在Python中，xml.etree.ElementTree（通常简称为ElementTree）是一个用于解析和创建XML数据的内置模块。它提供了一个轻量级但功能强大的API来处理XML。

以下是如何使用ElementTree来解析XML文件的基本步骤：

第一步：导入模块：
首先，你需要导入xml.etree.ElementTree模块。

import xml.etree.ElementTree as ET

第二步：解析XML文件：
使用ET.parse()函数来解析XML文件，该函数返回一个ElementTree对象。然后，你可以使用getroot()方法来获取XML文档的根元素。 

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

第三步：遍历XML树：
一旦你有了根元素，就可以开始遍历XML树了。你可以使用findall()方法来查找具有特定标签的所有元素，或者使用find()方法来查找第一个匹配的元素。你还可以使用元素的属性（如.text）来访问元素的文本内容。

for child in root:
    print(child.tag, child.attrib)  # 打印元素的标签和属性
    for subchild in child:
        print(subchild.tag, subchild.text)  # 打印子元素的标签和文本内容

或者，如果你知道你要查找的确切路径：

name_elements = root.findall('.//name')  # 查找所有名为'name'的元素
for name in name_elements:
    print(name.text)  # 打印每个'name'元素的文本内容

第四步：处理属性：
如果XML元素包含属性，你可以通过元素的.attrib属性来访问它们。.attrib是一个字典，包含了元素的所有属性及其值。

for person in root.findall('person'):
    name = person.find('name').text
    age = person.find('age').text
    email = person.find('email').text
    # 假设'person'元素有一个'id'属性
    person_id = person.get('id')  # 使用get()方法来获取属性，如果属性不存在则返回None
    print(f"ID: {person_id}, Name: {name}, Age: {age}, Email: {email}")

第五步：创建和修改XML：
虽然ElementTree主要用于解析XML，但你也可以使用它来创建和修改XML文档。你可以通过创建Element和SubElement对象来构建新的XML树，然后使用ElementTree对象的write()方法将其写入文件。

new_root = ET.Element("newroot")
child = ET.SubElement(new_root, "child")
child.text = "This is a child element"
child.set("attribute", "value")

tree = ET.ElementTree(new_root)
tree.write("new_example.xml", encoding="utf-8", xml_declaration=True)

六、Python使用lxml解析xml

lxml 是一个基于 Python 的库，用于处理 XML 和 HTML。它提供了强大的解析器和方便的 API，使得处理 XML 数据变得相对简单。与 Python 内置的 xml.etree.ElementTree 相比，lxml 提供了更多的功能和更好的性能，特别是当处理大型或复杂的 XML 文件时。

以下是如何使用 lxml 来解析 XML 文件的基本步骤：

第一步：安装 lxml：
首先，你需要确保已经安装了 lxml 库。如果还没有安装，可以使用 pip 来安装它：

pip install lxml

第二步：导入 lxml：
在你的 Python 脚本中导入 lxml 的相关模块。通常你会使用 etree 模块来解析 XML。

from lxml import etree

第三步：解析 XML 文件：
使用 etree.parse() 函数来解析 XML 文件，该函数返回一个 ElementTree 对象。然后，你可以使用 getroot() 方法来获取 XML 文档的根元素。

tree = etree.parse('example.xml')
root = tree.getroot()

或者，如果你有一个包含 XML 数据的字符串，你可以使用 etree.fromstring() 函数来直接解析该字符串。

xml_data = '''Text'''
root = etree.fromstring(xml_data)

第四步：遍历 XML 树：
一旦你有了根元素，就可以开始遍历 XML 树了。你可以使用 XPath 表达式来查找特定的元素。

for child in root:
    print(child.tag, child.attrib)  # 打印元素的标签和属性
    for subchild in child:
        print(subchild.tag, subchild.text)  # 打印子元素的标签和文本内容

使用 XPath，你可以更精确地查找元素：

name_elements = root.xpath('.//name')  # 查找所有名为'name'的元素
for name in name_elements:
    print(name.text)  # 打印每个'name'元素的文本内容

第五步：处理属性：
如果 XML 元素包含属性，你可以通过元素的 .attrib 属性来访问它们。.attrib 是一个字典，包含了元素的所有属性及其值。

for person in root.xpath('//person'):
    name = person.xpath('name/text()')[0]  # 使用 XPath 查找'name'元素的文本内容
    age = person.xpath('age/text()')[0]
    email = person.xpath('email/text()')[0]
    person_id = person.get('id')  # 或者使用 get() 方法来获取属性
    print(f"ID: {person_id}, Name: {name}, Age: {age}, Email: {email}")

注意：在使用 XPath 表达式获取文本内容时，返回的是一个列表，即使只有一个匹配项也是如此。因此，你可能需要使用索引 [0] 来获取第一个（也是唯一一个）匹配项的文本内容。

第六步： 创建和修改 XML：
lxml 也允许你创建和修改 XML 文档。你可以通过创建 Element 和 SubElement 对象来构建新的 XML 树，然后使用 tostring() 或 write() 方法将其写入字符串或文件。

new_root = etree.Element("newroot")
child = etree.SubElement(new_root, "child")
child.text = "This is a child element"
child.set("attribute", "value")

xml_str = etree.tostring(new_root, pretty_print=True, encoding='utf-8').decode('utf-8')
print(xml_str)

# 将 XML 写入文件
with open('new_example.xml', 'wb') as f:
    f.write(etree.tostring(new_root, pretty_print=True, encoding='utf-8'))

请注意，lxml 的 XPath 支持比 ElementTree 更强大，它允许你使用更复杂的查询来查找和过滤 XML 元素。此外，lxml 还提供了对 XML Schema（XSD）和 DTD 的验证支持，以及处理命名空间的功能。这些高级功能使得 lxml 成为处理复杂 XML 数据的一个强大工具。