Python 中 Element Tree 的理解

先打个广告：欢迎关注我的公众号，参与 文史大挑战 趣味题目。使用方法见 这篇文章 。

正文开始：

ElementTree XML 模块用来处理 XML 格式文档。包括读取、解析、修改、生成等等。

xml.etree.ElementTree 库里主要使用的是两个类：

ElementTree 是对整个文档树（document tree）的抽象，操作文件、文档时需要。比如读取、写入、查找。

Element 是对文档中单个节点（document node）的抽象，操作单个节点时需要。比如修改属性、查找子节点。

读入 xml 文件

有两种途径，各自得到不同的结果。

返回 xml 树

使用库函数： xml.etree.ElementTree 库内的 parse() 函数。

返回的是一个 ElementTree 树对象

>>> from xml.etree.ElementTree import parse
>>> parse('a.xml')
<xml.etree.ElementTree.ElementTree object at 0x0000020DEAF736D0>
>>>

如果想得到树的根节点，还需要使用 getroot() 函数：

>>> from xml.etree.ElementTree import parse
>>> parse('a.xml').getroot()
<Element 'xml' at 0x0000020DEB462360>
>>>

返回 xml 根节点

使用类方法： xml.etree.ElementTree 库内的 ElementTree 类的实例方法。

可以读入文件名或者文件对象。

例子：从文件名读入：

>>> from xml.etree.ElementTree import ElementTree
>>> ElementTree().parse('a.xml') 
<Element 'xml' at 0x0000020DEB462310>

可以看出，返回的是 Element 对象，这个对象是文档树的根。

例子：从文件对象读入

>>> with open('a.xml','r') as x:
...     ElementTree().parse(x)        
... 
<Element 'xml' at 0x0000020DEB462400>
>>>

从字符串读入

使用库函数： xml.etree.ElementTree 库内的 fromstring() 函数。

>>> import xml.etree.ElementTree as ET
>>> ET.fromstring('<xml></xml>')
<Element 'xml' at 0x000001FD319BDEA0>
>>>

返回根节点。

输出字符串

使用类方法：xml.etree.ElementTree 库内的 dump() 和 tostring()函数。

dump() 向标准输出打印出字符串，函数不返回字符串，仅用于调试。参数是节点对象 Element。

>>> import xml.etree.ElementTree as ET
>>> t=ET.fromstring('<xml><a>1</a></xml>') 
>>> ET.dump(t)
<xml><a>1</a></xml>
>>>

tostring() 用来返回格式化后的 xml字符串，参数列表有：

tostring(element, 
      encoding='us-ascii', 
      method='xml', 
      *
      xml_declaration=None, 
      default_namespace=None, 
      short_empty_elements=True)

参数中，element 是个 Element 节点对象。例子：

>>> import xml.etree.ElementTree as ET
>>> t=ET.fromstring('<xml><a>1</a></xml>') 
>>> s=ET.tostring(t)
>>> s
b'<xml><a>1</a></xml>'
>>>

得到字符串后，就可以编写代码输出到文件。

encoding 参数指定编码，默认是 ascii 的字节编码。如果要输出 UTF-8 编码，可以赋值：“unicode”。例子：

>>> import xml.etree.ElementTree as ET
>>> t=ET.fromstring('<xml><a>1</a></xml>')
>>> s=ET.tostring(t, encoding="unicode")
>>> s
'<xml><a>1</a></xml>'
>>>

xml_declaration 参数控制是否同时输出xml 格式声明。例子：

>>> import xml.etree.ElementTree as ET
>>> t=ET.fromstring('<xml><a>1</a></xml>')
>>> s=ET.tostring(t, encoding="unicode", xml_declaration=True)
>>> s
"<?xml version='1.0' encoding='cp936'?>\n<xml><a>1</a></xml>"
>>> s=ET.tostring(t,  xml_declaration=True)                    
>>> s
b"<?xml version='1.0' encoding='us-ascii'?>\n<xml><a>1</a></xml>"
>>>

或者直接使用 XML 树对象自带的方法：write()，在下节介绍。

写入 xml 文件

函数的参数有：

write(file, 
      encoding='us-ascii', 
      xml_declaration=None, 
      default_namespace=None, 
      method='xml', 
      *, 
      short_empty_elements=True)

file: 和 读入 xml 文件 一样，可以提供文件名或者文件对象。

其他参数和 tostring() 相同。

处理 xml 命名空间

声明命名空间的方法是声明一个 prefix 到 uri 的映射：

xmlns:prefix=uri

这里 prefix 是个临时替代字符串，用于替换 uri。解析 xml 时，所有tag 前面的 prefix 会被自动替换为 uri

如果没有 prefix，而采用下面形式

xmlns:uri

就是默认命名空间，default namespace，所有没有 prefix 的前缀会被自动替换为 uri

如果原始的 xml 声明了命名空间，在解析的时候会自动将扩展tag。

借用 这里的例子 说明命名空间的处理。

下面一个 xml 文件里，同时声明了 html 类型的 table 和家具类型的 table， 然后用命名空间区分。

<?xml version='1.0'?>
<root xmlns:h="html"
       xmlns:f="furniture"
       xmlns="nothing">
  <h:table>
    <h:tr>
    <h:td>Apples</h:td>
    <h:td>Bananas</h:td>
    </h:tr>
  </h:table>
  <f:table>
    <f:name>African Coffee Table</f:name>
    <f:width>80</f:width>
    <f:length>120</f:length>
  </f:table>
</root>

上面文件的例子中，default namespace 声明为 nothing，另外声明了两种 namespace 分别为：

h="html"

和

f="furniture"

所有 h: 开头的tag都会被替换为 html:，比如h:table会被替换为html:table。同样道理，f:table会被替换为furniture:table。而没有前缀的则会添加 default namespace 的值。

扩展版本的 xml如下：

<?xml version='1.0'?>
<nothing:root xmlns:h="html"
       xmlns:f="furniture"
       xmlns="nothing">
  <html:table>
    <html:tr>
    <html:td>Apples</html:td>
    <html:td>Bananas</html:td>
    </html:tr>
  </html:table>
  <furniture:table>
    <furniture:name>African Coffee Table</furniture:name>
    <furniture:width>80</furniture:width>
    <furniture:length>120</furniture:length>
  </furniture:table>
</nothing:root>

因为 prefix 是中间临时替代品，所以更改 prefix 并不会影响最终扩展出的xml。经过 ElementTree.parse() 后会统一替换 prefix 为统一编号的 ns，从ns0、ns1……

>>> import xml.etree.ElementTree as ET
>>> a=ET.ElementTree()
>>> a.parse('a.xml')
>>> ET.dump(a.getroot())
<ns0:root xmlns:ns0="nothing" xmlns:ns1="html" xmlns:ns2="furniture">
<ns1:table>
   <ns1:tr>
   <ns1:td>Apples</ns1:td>
   <ns1:td>Bananas</ns1:td>
   </ns1:tr>
</ns1:table>
<ns2:table>
   <ns2:name>African Coffee Table</ns2:name>
   <ns2:width>80</ns2:width>
   <ns2:length>120</ns2:length>
</ns2:table>

</ns0:root>

当我们查看元素 tag 的名称时，会看到放置在大括号中的 uri：

>>> r=a.getroot()
>>> r.tag
'{nothing}root'

当用 find() 寻找子元素时，需要提供扩展版的 tag 名称， 如下例子：

>>> r.find('{html}table')  
<Element '{html}table' at 0x000002608E572720>

这样并不方便，应该使用 find() 函数的第二个参数：ns，来指定命名空间，形式是从 prefix 到 uri 的映射。比如：

>>> r.find('h:table', {'h':'html'})     
<Element '{html}table' at 0x000002608E572720>

格式化

默认情况下，tostring() 和 write() 的结果将保留原始文件的缩进格式，不会对空行、缩进做统一的格式化。

比如：如果原文件是这样：

<?xml version='1.0'?>
<root xmlns:h="html" xmlns:f="furniture" xmlns="nothing">
<h:table><h:tr><h:td>Apples</h:td><h:td>Bananas</h:td></h:tr></h:table>
<f:table><f:name>African Coffee Table</f:name><f:width>80</f:width><f:length>120</f:length></f:table>
</root>

那么经 ElementTree.parse() 处理后再输出是这样：

>>> import xml.etree.ElementTree as ET
>>> a=ET.ElementTree()
>>> a.parse('a.xml')
<Element '{nothing}root' at 0x0000020A5B822310>
>>> ET.dump(a.getroot())
<ns0:root xmlns:ns0="nothing" xmlns:ns1="html" xmlns:ns2="furniture">
<ns1:table><ns1:tr><ns1:td>Apples</ns1:td><ns1:td>Bananas</ns1:td></ns1:tr></ns1:table>
<ns2:table><ns2:name>African Coffee Table</ns2:name><ns2:width>80</ns2:width><ns2:length>120</ns2:length></ns2:table>
</ns0:root>
>>>

如果想得到如下的两种格式化，就要使用 ElementTree.indent() 函数，这个函数将整棵 xml 文档树重新整理，参数就是文档树的对象 ElementTree。还是上面的例子：

>>> import xml.etree.ElementTree as ET
>>> a=ET.ElementTree()
>>> a.parse('a.xml')
<Element '{nothing}root' at 0x0000020A5B822310>
>>> ET.indent(a)
>>> ET.dump(a.getroot())
<ns0:root xmlns:ns0="nothing" xmlns:ns1="html" xmlns:ns2="furniture">
  <ns1:table>
    <ns1:tr>
      <ns1:td>Apples</ns1:td>
      <ns1:td>Bananas</ns1:td>
    </ns1:tr>
  </ns1:table>
  <ns2:table>
    <ns2:name>African Coffee Table</ns2:name>
    <ns2:width>80</ns2:width>
    <ns2:length>120</ns2:length>
  </ns2:table>
</ns0:root>
>>>

indent() 做了两件事情：

• 每个节点独占一行
• 每一级节点增加一级缩进

如果您对本文有疑问或者寻求合作，欢迎 联系邮箱 。邮箱已到剪贴板

精彩评论