標準庫系列之xml模塊

Python標準庫系列之xml模塊

Python’s interfaces for processing XML are grouped in the xml package.

帶分隔符的文件僅有兩維的數據：行和列。如果你想在程序之間交換數據結構，需要一種方法把層次結構、序列、集合和其他的結構編碼成文本。

XML是最突出的處理這種轉換的標記(markup)格式，它使用標簽(tag)分個數據，如下面的實例文件menu.xml所示：

<?xml version="1.0" encoding="utf-8"?>
<feed xmlns="http://www.w3.org/2005/Atom">
  <title>安生&#39;s Blog</title>
  <subtitle>大好時光！</subtitle>
  <link href="/atom.xml" rel="self"/>
  
  <link />
  <updated>2016-05-24T15:29:19.000Z</updated>
  <id>
   
  <author>
    <name>安生</name>
  </author>
</feed>

XML的一些重要特性

1. 標簽以一個<字符開頭，例如實例中的feed、title、subtitle、author。

2. 忽略空格

3. 通常一個開始標簽跟一段其他的內容，然后是最后相匹配的結束標簽，例如

   大好時光！

4. 標簽之間是可以存在多級嵌套的

5. 可選屬性(attribute)可以出現在開始標簽里

6. 標簽中可以包含值(value)

7. 如果一個命名為thing的標簽內沒有內容或者子標簽，那么它可以用在右尖括號的前面添加斜杠的簡單標簽所表示，例如

   代替開始和結束都存在的標簽。

8. 存放數據的位置可以是任意的—-屬性、值或者子標簽。

XML通常用于數據傳送和消息，它存在一些子格式，如RSS和Atom，例如：https://blog.ansheng.me/atom.xml

在Python中解析XML最簡單的方法是使用ElementTree。

創建xml文件

導入ElementTree方法，起一個別名為ET

>>> from xml.etree import ElementTree as ET

創建頂級標簽

>>> level_1 = ET.Element("famliy")

創建二級標簽，tag名name，attrib標簽屬性

>>> level_2 = ET.SubElement(level_1, "name", attrib={"enrolled":"yes"})

創建三級標簽

>>> level_3 = ET.SubElement(level_2, "age", attrib={"checked":"no"})

生成文檔

>>> tree = ET.ElementTree(level_1)

寫入文件中

>>> tree.write('oooo.xml',encoding='utf-8', short_empty_elements=False)

導入os模塊，用os模塊中的system方法執行shell命令查看剛才創建的oooo.xml文件

>>> import os
>>> os.system("cat oooo.xml")
# 生成出來的文檔是沒有換行的
<famliy><name enrolled="yes"><age checked="no"></age></name></famliy>0

把剛才生成的文件下載到本地，然后用瀏覽器打開就可以看到分級層次了。

創建一個有換行的XML文件

代碼

from xml.etree import ElementTree as ET
from xml.dom import minidom

root = ET.Element('level1',{"age":"1"})
son = ET.SubElement(root,"level2",{"age":"2"})
ET.SubElement(son, "level3", {"age":"3"})

# tree = ET.ElementTree(root)
# tree.write("abc.xml", encoding="utf-8",xml_declaration=True,short_empty_elements=False)

def prettify(root):
    rough_string = ET.tostring(root, 'utf-8')
    reparsed = minidom.parseString(rough_string)
    return reparsed.toprettyxml(indent="\t")
    
new_str = prettify(root)
f = open("new_out.xml", "w")
f.write(new_str)
f.close()

生成的xml文件

<?xml version="1.0" ?>
<level1 age="1">
    <level2 age="2">
        <level3 age="3"/>
    </level2>
</level1>

解析XML

first.xml文件內容為：

<data>
    <country name="Liechtenstein">
        <rank updated="yes">2</rank>
        <year age="19">2025</year>
        <gdppc>141100</gdppc>
        <neighbor direction="E" name="Austria" />
        <neighbor direction="W" name="Switzerland" />
    </country>
    <country name="Singapore">
        <rank updated="yes">5</rank>
        <year age="19">2028</year>
        <gdppc>59900</gdppc>
        <neighbor direction="N" name="Malaysia" />
    </country>
    <country name="Panama">
        <rank updated="yes">69</rank>
        <year age="19">2028</year>
        <gdppc>13600</gdppc>
        <neighbor direction="W" name="Costa Rica" />
        <neighbor direction="E" name="Colombia" />
    </country>
</data>

first.xml文件在/root目錄下

利用ElementTree.XML將字符串解析成xml對象

>>> from xml.etree import ElementTree as ET
# 打開文件，讀取XML內容，將字符串解析成xml特殊對象，root代指xml文件的根節點 
>>> root = ET.XML(open('first.xml', 'r').read())
>>> root.tag
'data'
>>> for node in root:
...  print(node.tag, node.attrib)
... 
('country', {'name': 'Liechtenstein'})
('country', {'name': 'Singapore'})
('country', {'name': 'Panama'})
>>> print(node.find('rank').text)
69

利用ElementTree.parse將文件直接解析成xml對象

>>> from xml.etree import ElementTree as ET
# 直接解析xml文件
>>> tree = ET.parse("first.xml")
# 獲取xml文件的根節點
>>> root = tree.getroot()
>>> root.tag
'data'

遍歷XML中指定的節點

>>> from xml.etree import ElementTree as ET
>>> tree = ET.parse("first.xml")
>>> root = tree.getroot()
>>> for node in root.iter('year'):
        # 輸出node的tag和內容
...     print(node.tag, node.text)
...
year 2025
year 2028
year 2028

增、刪、改XML

為節點添加屬性

>>> from xml.etree import ElementTree as ET
>>> tree = ET.parse("first.xml")
>>> root = tree.getroot()
>>> for node in root.iter("year"):
        # 查看原來的屬性
...     print(node.attrib)
...
{}
{}
{}
>>> for node in root.iter("year"):
       # 添加屬性
...    node.set("OS","Linux")
...
>>> for node in root.iter("year"):
        # 查看添加的屬性
...     print(node.attrib) 
...
{'OS': 'Linux'}
{'OS': 'Linux'}
{'OS': 'Linux'}
# 把內容寫入文件
>>> tree.write("first.xml")

刪除節點屬性

>>> from xml.etree import ElementTree as ET
>>> tree = ET.parse("first.xml")
>>> root = tree.getroot()
>>> for node in root.iter("year"):
        # 刪除節點的OS屬性
...     del node.attrib['OS']
...
# 寫入到文件當中
>>> tree.write("first.xml")

查看屬性

>>> from xml.etree import ElementTree as ET
>>> tree = ET.parse("first.xml")
>>> root = tree.getroot()
>>> for node in root.iter("year"):
...  print(node.attrib)
...
# 節點內容為空
{}
{}
{}

修改節點內容

修改year內的數字自加1

>>> from xml.etree import ElementTree as ET
>>> tree = ET.parse("first.xml")
>>> root = tree.getroot() 
>>> for node in root.iter("year"):
        # 輸出原來year的內容
...     print(node.text)
        # 原來的值自加+
...     new_year = int(node.text) + 1
...     node.text = str(new_year)
...
2025
2028
2028 
# 寫入文件中
>>> tree.write("first.xml")
>>> for node in root.iter("year"):
        # 輸出寫入文件之后year的內容
...     print(node.text)
...
2026
2029
2029

對節點操作的方法

獲取節點的方法

>>> from xml.etree import ElementTree as ET
>>> tree = ET.parse("first.xml")
>>> root = tree.getroot()
>>> print(dir(root))
['__class__', '__copy__', '__deepcopy__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getstate__', '__gt__', '__hash__', '__init__', '__le__', '__len__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setitem__', '__setstate__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'extend', 'find', 'findall', 'findtext', 'get', 'getchildren', 'getiterator', 'insert', 'items', 'iter', 'iterfind', 'itertext', 'keys', 'makeelement', 'remove', 'set']

方法有這么多，那么我們常用的也就是下面的幾個

實例

判斷QQ是否在線

騰訊提供了能夠查看QQ號碼是否在線的API，Y=在線；N=離線；E=QQ號碼錯誤；A=商業用戶驗證失敗；V=免費用戶超過數量

>>> import requests
>>> from xml.etree import ElementTree as ET
>>> r = requests.get("http://www.webxml.com.cn//webservices/qqOnlineWebService.asmx/qqCheckOnline?qqCode=6087414")
>>> result = r.text
>>> from xml.etree import ElementTree as ET
>>> node = ET.XML(result)
>>> if node.text == "Y":
...    print("在線")
... else:
...    print("離線")
...
在線

獲取列車起止時間

代碼

r = requests.get("http://www.webxml.com.cn/WebServices/TrainTimeWebService.asmx/getDetailInfoByTrainCode?TrainCode=K234&UserID=")
result = r.text
root = ET.XML(result)
for node in root.iter('TrainDetailInfo'):
    print(node.find('TrainStation').text,node.find('ArriveTime').text,node.find("StartTime").text)

執行結果

C:\Python35\python.exe F:/Python_code/sublime/Week5/Day01/xml_mod.py
上海（車次：K234\K235） None 11:12:00
# 地點 停止    啟動
昆山 11:45:00 11:48:00
蘇州 12:12:00 12:16:00
無錫 12:44:00 12:55:00
常州 13:22:00 13:26:00
鎮江 14:13:00 14:16:00
南京 15:04:00 15:16:00
蚌埠 17:27:00 17:50:00
徐州 19:38:00 19:58:00
商丘 22:12:00 22:17:00
開封 23:49:00 23:53:00
鄭州 00:37:00 01:14:00
新鄉 02:20:00 02:22:00
鶴壁 03:01:00 03:03:00
安陽 03:33:00 03:36:00
邯鄲 04:11:00 04:16:00
邢臺 04:47:00 04:51:00
石家莊 06:05:00 None
Process finished with exit code 0

#Python標準庫 #Xml