Python读写XML文档(lxml方式)

  • 发布时间:2017年4月6日 16:05
  • 作者:杨仕航
  • 分类标签: Python
  • 阅读(3675)
  • 评论(1)

读写xml文档可以说是python基础。前段时间一直用xml.dom的方式读写xml文档

但用起来比较繁琐,尤其是读写文本的时候特别麻烦。寻思换一种新的方式读写xml。


这个lxml和xml.etree.ElementTree两个的操作方式看起来差不多。xml.etree.ElementTree也是读写xml文档的一种方式。

lxml要更好一些,使用更简洁。解析xml的时候,自动处理各种编码问题。而且它天生支持 XPath 1.0、XSLT 1.0、定制元素类。

不过,lxml不是Python自带的标准库。需要自己安装,如下方式安装:

pip install lxml

下面看看如何使用lxml读写xml文档。


1、读取xml文档

1)文档解析

lxml可以解析xml的字符串,使用etree.fromstring方法,如下所示:

#coding:utf-8
from lxml import etree

xml_text = '<xml><head></head><body></body></xml>'
xml = etree.fromstring(xml_text)


lxml可以直接读取xml文件。

为了演示方便,找个xml文档作为例子,文件名为test.xml:

<?xml version="1.0" encoding="utf-8"?>
<root version="1.2" tag="test">
    <head>
        <title>test xml document</title>
    </head>
    <body>
        <items id="1">
            <source>aa</source>
            <target>AA</target>
        </items>
        <items id="2">
            <source>bb</source>
            <target>BB</target>
        </items>
        <items id="3">
            <source>cc</source>
            <target id="3t">CC<bpt id="3t1"/>cc</target>
        </items>
    </body>
</root>

lxml读取xml文件的代码如下所示:

#coding:utf-8
from lxml import etree

xml = etree.parse('test.xml') #读取test.xml文件


2)获取属性

根节点root中有两个属性,我们可以通过如下方法获取根节点和其属性:

#coding:utf-8
from lxml import etree

xml = etree.parse('test.xml') #读取test.xml文件
root = xml.getroot() #获取根节点

#获取属性
print(root.items()) #获取全部属性和属性值
print(root.keys())  #获取全部属性
print(root.get('version', '')) #获取具体某个属性

得到如下结果:

[('version', '1.0'), ('tag', 'test')]
['version', 'tag']
1.2


3)获取节点

假如我们不知道root节点下有什么节点,可以通过循环遍历。

for node in root.getchildren():
    print(node.tag) #输出节点的标签名

得到如下结果:

head
body

若xml文档比较大,还可以使用itergetchildren方法。该方法得到一个生成器。

这里,你可以用dir(root)可以查得节点对象有什么方法。可以获取兄弟节点、父节点等方法。


若我们知道文档结构,还可以使用XPath方法获取节点。

XPath是一种表达式,可以快速查找XML文档中的信息。可以查看w3school教程

不要被吓到,该语法很多简单。边查阅边使用,很快可以上手。w3school中也举了一些实例:

20170406/20170406143900617.png


那么,我要获取全部items节点。使用XPath方法得到一个元素列表,代码如下:

root.xpath('//items')

可得到3个items元素,无论items元素的位置在哪。

我们也可以通过root和items之间的相对路径,严格得到我们想要位置的元素:

root.xpath('body/items')

一样可以得到3个元素,不过该xpath语法要严格很多。

假如head节点下也有items元素,该语法就不会获取到该元素。

若指定的XPath语法获取不到任何元素,将返回空列表。


4)获取文本

有些元素中有文本,这个可以通过text属性获取。

#获取source元素中的文本
for node in root.xpath('//source'):
    print(node.text)


另外,还有一种情况,节点和文本混合的情况。

如test.xml中id为3t的target元素。target元素中有两段文本,以及文本中间还有个bpt元素。

在xml.minidom的方法,文本也是一种节点,这个问题好解决。

而在lxml中,文本不是节点。这种情况需要通过itertext方法或tail属性解决。


先尝试获取该元素的text属性:

#获取id属性为3t的target元素,注意后面的[0]
target = root.xpath('//target[@id="3t"]')[0]

#输出该元素的text属性值
print(target.text)

将得到"CC",后面的节点和"cc"获取不到。则text属性是获取到该节点下的第1段文本。

若该节点先是一个节点,再是文字:

<target id="3t"><bpt id="3t1"/>CCcc</target>

text属性将为None。

我们可以用itertext方法获取全部文本:

''.join(target.itertext())

将得到"CCcc"。itertext方法得到一个生成器。该生成器是该节点下的全部文本生成器列表。


那假如我还需要获取其中的子节点,确保xml的结构的话,就需要使用tail属性。

tail属性是获取节点后的文本。我们可以先用text属性获取第1个文本,其他文本都通过子节点的tail属性获取。例如,我需要获取上面target元素的全部文本,若碰到子节点,则获取其id属性值一起拼成一个字符串。

texts = []

#获取第1段文本
if target.text:
    texts.append(target.text)

#遍历子节点
for sub in target.iterchildren():
    texts.append('-%s-' % sub.get('id', ''))
    texts.append(sub.tail)
    
#合并结果
print(''.join(texts))

将得到"CC-3t1-cc"。


2、写入xml文档

说完读取xml文档,进入写入xml文档环节。

现我们可以模范test.xml文件,用lxml创建新的xml文档,结构和test.xml文件一致。


1)创建文档(节点)

对于lxml来说,任意节点都可以保存成一个xml文档。

我们只需要给该节点加入属性、内容、子节点等等即可。

那么创建节点方法如下:

#coding:utf-8
from lxml import etree

#创建标签为root的节点
root = etree.Element('root')


在创建节点的同时,也可以给该节点加入命名空间:

root = etree.Element('root', nsmap={'xmlns':'http://www.w3.org/1999/xhtml'})


在上面的test.xml中,还有两组属性。可用set方法添加属性:

root.set('version', '1.2')
root.set('tag', 'test')


当然,也可以在创建节点的时候,就写入属性:

attribs = {'version':'1.2', 'tag':'test'}
root = etree.Element('root', attrib=attribs)


2)添加子节点

添加根节点之后,根节点下有两个子节点:head和body。

添加子节点有两种方法,先看方法1:

head = etree.Element('head')
root.append(head)

该方法是创建节点,再用append方法追加到root节点中。


还有一种方法,直接创建子节点:

head = etree.SubElement(root, 'head')

推荐使用第2种方法,比较快捷。

若需要写属性值,除了用set方法。etree.SubElement方法也可以像etree.Element方法一样直接写入属性。

head = etree.SubElement(root, 'head', attrib={'id':'head_id'})


3)添加文本

test.xml文档中,有几个地方需要添加文本。先给head添加title属性,并加入文本:

title = etree.SubElement(head, 'title')
title.text = 'test xml document'

直接给text赋值即可。


其他文本写入我就忽略不写了,比较简单。

比较复杂的情况是上面提到的节点和文本混合的情况。这里同样给tail属性赋值即可。

body = etree.SubElement(root, 'body')
items = etree.SubElement(body, 'items', attrib={'id':'3'})
target = etree.SubElement(items, 'target', attrib={'id':'3t'})

#写入第1段文本
target.text = 'CC'

#写入CC后面的节点
bpt = etree.SubElement(target, 'bpt', attrib={'id':'3t1'})

#写入第2段文本,即bpt元素后面的文本
bpt.tail = 'cc'

通过,该方法可以有条理的写入文本。


4)保存文档

文档写好之后,就保存文档。保存文档这里有两种方法。

一种为通过etree.tostring方法得到xml的文本,再手动写入。这个方法过于麻烦,就不讲了,也不推荐。

常规方法是通过etree的tree对象保存文件。代码如下:

#节点转为tree对象
tree = etree.ElementTree(root)
tree.write('test.xml', pretty_print=True, xml_declaration=True, encoding='utf-8')

各个参数含义如下:

1)第1个参数是xml的完整路径(包括文件名);

2)pretty_print参数是否美化代码;

3)xml_declaration参数是否写入xml声明,就是我们看到xml文档第1行文字;

4)encoding参数很明显是保存的编码。


lxml方式对比xml.minidom方式,有没觉得方便很多。

上一篇:Excel的日期并不特殊

下一篇:我的网站搭建(第51天) 解除评论发送邮件限制

评论列表

智慧如你,不想发表一下意见吗?

新的评论

清空

猜你喜欢

  • 猜测中,请稍等...