xml.etree.ElementTree解析xml

本文将介绍如何使用python基本类库xml.etree.ElementTree解析xml文档。

一、前言

1. xml解析支持

python标准库提供三种方法解析XML: SAX、DOM以及ElementTree。

SAX (simple API for XML )

python 标准库包含SAX解析器，SAX用事件驱动模型，通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。

DOM(Document Object Model)

将XML数据在内存中解析成一个树，通过对树的操作来操作XML。

ElementTree(元素树)

ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。

2. ElementTree介绍

xml.etree.ElementTree模块提供了一个轻量级、Pythonic的API，同时还有一个高效的C语言实现，即xml.etree.cElementTree。
与DOM相比，ET的速度更快，API使用更直接、方便。
与SAX相比，ET.iterparse函数同样提供了按需解析的功能，不会一次性在内存中读入整个文档。ET的性能与SAX模块大致相仿，但是它的API更加高层次，用户使用起来更加便捷。
因此，使用python解析xml时，推荐使用ElementTree这种方式。

二、ElementTree详解

1. 类库加载

xml.etree.ElementTree有两种实现方式:纯python实现的xml.etree.ElementTree 和 C实现的xml.etree.cElementTree.
C语言实现的版本，性能更加。如当前python版本包含了C语言实现的版本，优先使用。

为了兼容旧版本的python，在加载xml.etree.ElementTree时，可以通过如下方式加载类库:

try:
    import xml.etree.cElementTree as ET
except ImportError:
    import xml.etree.ElementTree as ET

2. xml.etree.ElementTree对象

xml.etree.ElementTree提供了两类对象：ElementTree对象和Element对象。
ElementTree将整个XML文档转化为树，对整个XML文档的交互（读取，写入，查找需要的元素），一般是在ElementTree层面进行的。
Element则代表着树上的单个节点，对单个XML元素及其子元素，则是在Element层面进行的。

3. ElementTree对象

解析xml

解析xml文件
tree = ET.parse(“cd.xml”);

解析xml字符串
tree = ET.fromstring(cd_data_as_string)

注:获得的tree变量即是一个ElementTree对象。

常用方法

getroot():获取根节点。
iter(tag=None):遍历当前元素及所有子元素。

4. Element对象

对象属性

每个Element对象都具有以下属性：

• tag：string对象，表示数据代表的种类。
• attrib：dictionary对象，表示附有的属性。
• text：string对象，表示element的内容。
• tail：string对象，表示element闭合之后的尾迹。
• 若干子元素（child elements）。

常用方法

iter(tag=None)：生成遍历当前元素所有后代或者给定tag的后代的迭代器。(python2.7新特性)
get(key, default=None)：获取key对应的属性值，如该属性不存在则返回default值。
items()：根据属性字典返回一个列表，列表元素为(key, value）。
keys()：返回包含所有元素属性键的列表。

三、解析实例

打印所有艺术家的名字、打印所有CD名称及对应的售价。

1. 实例文档

实例使用到的XML实例文件cd.xml内容如下：

<?xml version="1.0" encoding="ISO-8859-1"?>
<!-- Edited with XML Spy v2007 (http://www.altova.com) -->
<CATALOG>
	<CD>
		<TITLE>Empire Burlesque</TITLE>
		<ARTIST>Bob Dylan</ARTIST>
		<COUNTRY>USA</COUNTRY>
		<COMPANY>Columbia</COMPANY>
		<PRICE>10.90</PRICE>
		<YEAR>1985</YEAR>
	</CD>
	<CD>
		<TITLE>Hide your heart</TITLE>
		<ARTIST>Bonnie Tyler</ARTIST>
		<COUNTRY>UK</COUNTRY>
		<COMPANY>CBS Records</COMPANY>
		<PRICE>9.90</PRICE>
		<YEAR>1988</YEAR>
	</CD>
	<CD>
		<TITLE>Greatest Hits</TITLE>
		<ARTIST>Dolly Parton</ARTIST>
		<COUNTRY>USA</COUNTRY>
		<COMPANY>RCA</COMPANY>
		<PRICE>9.90</PRICE>
		<YEAR>1982</YEAR>
	</CD>
	<CD>
		<TITLE>Still got the blues</TITLE>
		<ARTIST>Gary Moore</ARTIST>
		<COUNTRY>UK</COUNTRY>
		<COMPANY>Virgin records</COMPANY>
		<PRICE>10.20</PRICE>
		<YEAR>1990</YEAR>
	</CD>
	<CD>
		<TITLE>Eros</TITLE>
		<ARTIST>Eros Ramazzotti</ARTIST>
		<COUNTRY>EU</COUNTRY>
		<COMPANY>BMG</COMPANY>
		<PRICE>9.90</PRICE>
		<YEAR>1997</YEAR>
	</CD>
</CATALOG>

2. 代码

#!/usr/bin/env python

import json

try:
    import xml.etree.cElementTree as ET
except ImportError:
    print 'no c version Element Tree'
    import xml.etree.ElementTree as ET


def parse_xml():
    properties = {};

    tree = ET.parse("cd.xml");
    docs = tree.getroot();

    print_all_artist(docs);
    print_all_cd_name_and_price(docs);


def print_all_artist(docs):
    print '----------------------------'
    for doc in docs.iter("ARTIST"):
        print doc.text


def print_all_cd_name_and_price(docs):
    print '----------------------------'
    for doc in docs:
        line = ''
        for field in doc:
            if field.tag == 'TITLE':
                line = line + field.text + "\t"

            if field.tag == 'PRICE':
                line = line + field.text + "\t"

        print line


if __name__ == '__main__':
    parse_xml();

3. 运行结果

yerba-buena:~ yeshaoting$ python parse_cd_xml.py
----------------------------
Bob Dylan
Bonnie Tyler
Dolly Parton
Gary Moore
Eros Ramazzotti
----------------------------
Empire Burlesque	10.90
Hide your heart	9.90
Greatest Hits	9.90
Still got the blues	10.20
Eros	9.90

四、参考文档

• 深入解读Python解析XML的几种方式
• Python 标准库之 xml.etree.ElementTree
• Python XML解析