python解析XML文件

对于xml的解析，与json原理是相同的。都是摆脱了只是纯文件解析成str的麻烦。无论是json解析还是xml解析，对于python来说都获取了对象，可以拿来直接用。具体方法，
看数据文件的格式。但无疑，json更好用，可以直接对应上python的列表或者字典。而xml，需要一些对象、属性处理。至于xml相对JSON的好处，似乎没有什么优势，只因为XML比JSON
产生的时间早，那么在这个比较长的时间里面，形成了一种习惯用法。在表述数据方面因为有<>等的帮助，可能会更清晰一些。但也是仁者见仁罢了。
利用python解析XML的模块，需要遍历根（root）节点及子节点。而节点的属性有4个：tag、attrib、text、tail，在python中用for循环遍历即可。
本文主要用xml.etree.ElementTree模块，最清晰明确。python还有其他两个模块：SAX (simple API for XML )、DOM(Document Object Model)可以解析XML文件。但感觉
用法比较繁复，另做探讨。
先设定一个xml文件（xml_lesson）：

<data>
    <country name="Liechtenstein">
        <rank updated="yes">2</rank>
        <year updated="no">2011</year>tail-尾部
        <gdppc>141100</gdppc>
        <neighbor direction="E" name="Austria" />
        <neighbor direction="W" name="Switzerland" />
    </country>
    <country name="Singapore">
        <rank updated="yes">5</rank>
        <year updated="no">2014</year>
        <gdppc>59900</gdppc>
        <neighbor direction="N" name="Malaysia" />
    </country>
    <country name="Panama">
        <rank updated="yes">69</rank>
        <year updated="no">2014</year>
        <gdppc>13600</gdppc>
        <neighbor direction="W" name="Costa Rica" />
        <neighbor direction="E" name="Colombia" />
    </country>
     <country name="Panama">
        <rank updated="yes">69</rank>
        <year updated="yes">2013</year>
        <gdppc>13600</gdppc>
        <neighbor direction="W" name="Costa Rica" />
        <neighbor direction="E" name="Colombia" />
    </country>
     <country name="Panama">
        <rank updated="yes">89</rank>
        <year updated="yes">2013</year>
        <gdppc>13600</gdppc>
        <neighbor direction="W" name="Costa Rica" />
        <neighbor direction="E" name="Colombia" />
    </country>
</data>

先了解一下xml的结构，树形结构，root很重要：

import xml.etree.ElementTree as ET
xml_file = r"xml_lesson.xml"
# xml_file=r"movies.xml"
tree = ET.parse(xml_file)
root = tree.getroot()
print("root.tag: ", root.tag)  # >>>root.tag:  data
print("type: %s root.iter %s text: %s :" % (type(root), root.iter, root.text))

#>>>

root.tag: data
type: <class 'xml.etree.ElementTree.Element'> root.iter <built-in method iter of xml.etree.ElementTree.Element object at 0x0000025EDA942D10> text:

从输出可以看到，所谓的tag就是尖括号最左边靠近括号的内容。一般情况下root没有attrib，也没有text。在后面的子节点可以看到更多的属性。

# 用for循环遍历各级节点，是要知道xml的结构，然后一层一层进行循环。代码如下：

def loop_root():
    for i in root:  # 针对根下面第一层标签数据的遍历(有多少个country)
        print("-->i.tag: ", i.tag, end=' ')  # >>>i.tag:  country
        # tag属性是data下面的标签定义，如country
        print("i.attrib: ", i.attrib)  # >>>i.attrib:  {'name': 'Liechtenstein'}
        # attrib属性是标签country的key:value键值对。
        # print("\n")
        for j in i:  # 针对country下面数据的遍历。
            print("\t-->", j.tag, end=' ')
            print(j.attrib, end=' ')
            print(j.text)

执行loop_root()输出结果如下：

#>>>

　　-->i.tag: country i.attrib: {'name': 'Liechtenstein'}

--> rank {'updated': 'yes'} 2
--> year {'updated': 'yes'} 2010
--> gdppc {} 141100
--> neighbor {'direction': 'E', 'name': 'Austria'} None
--> neighbor {'direction': 'W', 'name': 'Switzerland'} None
-->i.tag: country i.attrib: {'name': 'Singapore'}
--> rank {'updated': 'yes'} 5
--> year {'updated': 'yes'} 2013
--> gdppc {} 59900
--> neighbor {'direction': 'N', 'name': 'Malaysia'} None
-->i.tag: country i.attrib: {'name': 'Panama'}
--> rank {'updated': 'yes'} 69
--> year {'updated': 'yes'} 2013
--> gdppc {} 13600
--> neighbor {'direction': 'W', 'name': 'Costa Rica'} None
--> neighbor {'direction': 'E', 'name': 'Colombia'} None

改进的方法，比如只看其中某几个节点，可以把节点名字当做列表参数。代码如下：

# 遍历root下各个子节点，参数为节点列表，也可以只输入1个节点名称
def traverse_child(*child_node_list):
    for child_node in child_node_list:
        for node in root.iter(child_node):
            print(child_node, ":", node.tag, node.attrib,node.text,node.tail)

执行如下函数：
traverse_child('year')
traverse_child(*['rank','gdppc','neighbor'])

输出如下：

#>>>

year : year {'updated': 'yes'} 2010

year : year {'updated': 'yes'} 2013 tail-content

year : year {'updated': 'yes'} 2013

rank : rank {'updated': 'yes'} 2

rank : rank {'updated': 'yes'} 5

rank : rank {'updated': 'yes'} 69

gdppc : gdppc {} 141100

gdppc : gdppc {} 59900

gdppc : gdppc {} 13600

neighbor : neighbor {'direction': 'E', 'name': 'Austria'} None

neighbor : neighbor {'direction': 'W', 'name': 'Switzerland'} None

neighbor : neighbor {'direction': 'N', 'name': 'Malaysia'} None

neighbor : neighbor {'direction': 'W', 'name': 'Costa Rica'} None

neighbor : neighbor {'direction': 'E', 'name': 'Colombia'} None

# 修改xml文件,更改某些节点的属性。

def modify_xml(child_node):
   import xml.etree.ElementTree as ET
   tree = ET.parse("xml_lesson")
   root = tree.getroot()
   for node in root.iter(child_node):
      new_year = int(node.text) + 1
      node.text = str(new_year)
      node.set("updated", "no")
   tree.write("xml_lesson")

执行modify_xml('year')可以修改year节点属性，然后保存xml文件。

# 删除node,可以设定过滤器，删除满足条件的节点。

def del_xml_node(child_node, filter):
   import xml.etree.ElementTree as ET
   tree = ET.parse("xml_lesson")
   root = tree.getroot()
   for country in root.findall('country'):
      rank = int(country.find('rank').text)
      if rank > filter:
         root.remove(country)
   tree.write('output.xml')

执行del_xml_node('country',50)，可以按照条件删除一些节点

##按照xml的相关对象创建新的xml文件，构造xml各级节点（标签tag、属性attrib、文本text、尾部tail）。代码如下

def create_xml():
    import xml.etree.ElementTree as ET
    new_xml = ET.Element("namelist")
    # name = ET.SubElement(new_xml, "name", attrib={"enrolled": "yes"})
    name = ET.SubElement(new_xml, "")  # 函数至少2个参数。
    name.tag = '名字'
    name.attrib = {"注册": "yes"}
    name.text = '张三'
    age = ET.SubElement(name, "age", attrib={"checked": "no"})
    age.text = '33'
    sex = ET.SubElement(name, "sex")
    sex.text = '男'
    name2 = ET.SubElement(new_xml, "name", attrib={"enrolled": "no"})
    name2.text = '李四'
    age = ET.SubElement(name2, "age")
    age.attrib={"青年":"yes"}
    age.text = '19'
    sex = ET.SubElement(name2, "sex")
    sex.text = '女'

    et = ET.ElementTree(new_xml)  # 生成文档对象，将根目录转化为xml树状结构(即ElementTree对象)
    pretty_xml(new_xml, '\t', '\n')  # 执行美化方法

    ET.dump(new_xml)  # 打印生成的格式，在终端输出xml树内容。
    et.write("test.xml", encoding="utf-8", xml_declaration=True)

构造xml，需要了解xml文件的结构，特别是节点的各个属性。值得说明的是，如果不经过修饰，输出的xml就是一个长条，很难看。可以加入如下函数，对xml的

输出进行缩进美化：

##下面的函数是一个美化xml格式的，如果没有它，生成的xml文档只有1行，很难看。
##有了这个函数，解决了xml按照节点缩进的问题。
def pretty_xml(element, indent, newline, level=0):
    # elemnt为传进来的Elment类，参数indent用于缩进，newline用于换行
    if element:  # 判断element是否有子元素
        if (element.text is None) or element.text.isspace():  # 如果element的text没有内容
            element.text = newline + indent * (level + 1)
        else:
            element.text = newline + indent * (level + 1) + \
                           element.text.strip() + newline + indent * (level + 1)
        # else:  # 此处两行如果把注释去掉，Element的text也会另起一行
        # element.text = newline + indent * (level + 1) + element.text.strip() + newline + indent * level
    temp = list(element)  # 将element转成list
    for subelement in temp:
        if temp.index(subelement) < (len(temp) - 1):
            # 如果不是list的最后一个元素，说明下一个行是同级别元素的起始，缩进应一致
            subelement.tail = newline + indent * (level + 1)
        else:  # 如果是list的最后一个元素， 说明下一行是母元素的结束，缩进应该少一个
            subelement.tail = newline + indent * level
        pretty_xml(subelement, indent, newline, level=level + 1)  # 对子元素进行递归操作

调用函数create_xml(),确实可以产生能够按照层级缩进的xml文档。