ElementTree之Xml文档处理

• ElementTree： 表示整个XML层级结构
• Element： 表示树形结构中全部的父节点
• SubElement： 表示树形结构中全部的子节点

有些节点既是父节点，又是子节点

下面来看下这两个类的定义及其提供的函数：

Element类

class xml.etree.ElementTree.Element(tag, attrib={}, **extra)

Element类对应的是树形结构中的每一个节点，对应的是XML文档中的标签对。咱们上面提到过XML标签有如下几个特征，除了子标签外都有相应的属性与之对应：

标签特征	对应的类属性	数据类型
标签名称	tag	字符串
属性	attrib	字典，全部属性和属性值的集合
标签值	text	一般是字符串
与下一个标签之间的值	tail	一般是字符串
子标签	无	标签的父子关系是在SubElement中指定的

关于Element.text和Element.tail属性的说明：

• 它们可被用于保存于该Element相关的额外数据；
• 它们的值一般是字符串，可是也能够是任何应用特定的对象类型；
• 若是Element对象是由一个XML建立而来的，那么text属性保存的是这个element的开始标签与它的第一个子标签或结束标签之间的文本，或者是None；而tail保存的是这个element的结束标签与下一个标签之间的文件或None，能够看下面的例子。

<a><b>1<c>2<d/>3</c></b>4</a>

• element a 的text和tail属性值都是None；
• element b 的text属性值是1，tail属性值是4;
• element c 的text属性值是2， tail属性值是None；
• element d 的text属性值是None， tail的属性值是3；

Element类中用于操做标签属性attrib的方法（相似于字典的方法）：

# 以一个(name, value)的序列的形式返回该element全部属性，且属性在序列是随机的 items() # 返回该element全部属性的名称列表，属性名称顺序随机 keys() # 获取该element指定属性key的值 get(key, default=None) # 设置该element指定属性的值 set(key, value) # 重置当前element：删除全部的 subelemnts、清空全部属性、设置text和tail属性值为None clear()

Element类中用于操做子标签（subelement）的方法：

# 向最后添加一个子标签
append(subelement)

# 向最后追加多个子标签，subelements是一个Element序列；这是Python 3.2中新增的方法
extends(subelements)

# 像该element的指定位置插入一个subelement
insert(index, subelement) # 返回第一个与match匹配的subelement或None，match能够是一个tag名称（标签名称），也能够是一个path find(match, namespaces=None) # 返回全部与match匹配的subelement列表或None，match能够是一个tag名称（标签名称），也能够是一个path findall(match, namespaces=None) # 返回第一个与match匹配的subelement的text属性值，若是匹配到的element没有text属性则返回一个空字符串，若是没有匹配到subelement则返回default参数定义的值 findtext(match, default=None, namespaces=None) # Python 3.2开始已将该方法废弃，请使用list(elem)或迭代 getchildren() # Python 3.2开始已将该方法废弃，改用Element.iter() getiterator(tag=None) # 这是Python 3.2中新增的方法。以当前element做为根建立一个tree迭代器，该迭代器会议深度优先的方式迭代这个element及其下面的全部elements。若是tag不是None或'*'，则只有tag值等于tag参数所指定值的element才会被这个迭代器返回；若是树形结构在迭代过程当中被修改，则结果为undefined。 iter(tag=None) # 这是Python 3.2中新增的方法。查找与match参数指定的tag名称或path相匹配的全部subelements，返回一个以文档顺序产生全部匹配element的可迭代对象。 iterfind(match, namespaces=None) # 这是Python 3.2中新增的方法。建立一个迭代器，这个迭代器以文档顺序循环当前element和全部subelements并返回全部内部文本。 itertext() # 从当前element中移除指定的subelement remove(subelement)

SubElement类

SubElement(parent, tag, attrib={}, **extra)

parent参数表示父节点（标签对），它应该是一个Element类的实例。SubElement的其余属性和函数与Element相同。

ElementTree类

ElementTree表示的是整个element层级关系，而且该类还添加了一些对标准XML序列化和反序列化的额外支持。

class xml.etree.ElementTree.ElementTree(element=None, file=None)

element： 是一个Element实例，表示root element；

file： 是一个XML文件文成，若是该参数被给出，则会以该文件的内容初始化树形层次结构；

下面是ElementTree提供的方法：

# 以指定的element实例替换当前tree的root element，至关于把整个XML的内容替换掉了 _setroot(element) # 返回当前树形层级结构的root element getroot() # 与Element.find()功能相同，只是它是从树形结构的root element开始查找 find(match, namespaces=None) # 与Element.findall()功能相同，只是它是从树形结构的root element开始查找 findall(match, namespaces=None) # 与Element.findtext()功能相同，只是它是从树形结构的root element开始查找 findtext(match, default=None, namespaces=None) # Python 3.2开始已将该方法废弃，改用ElementTree.iter() getiterator(tag=None) # Python 3.2新增的方法。为当前root element建立并返回一个树迭代器，该迭代器将会按顺序循环这个树形结构的中的全部与tag匹配的elements，默认返回全部elements iter(tag=None) # Python 3.2新增的方法。与Element.iterfind()功能相同，只是它是从树形结构的root element开始查找 iterfind(match, namespaces=None) # 加载一个外部XML片段到当前element树并返回该XML片段的root element。source是一个文件名称或文件对象。parser是一个可选的parser实例，若是没有给出该参数，将会使用标准的XMLParser解析器。 parse(source, parser=None) # 将当前element tree以XML形式写入一个文件中。 # file 是一个文件名称或一个以写模式打开的文件对象 # encoding 用于指定输出编码 # xml_declaration 用于控制师傅将一个XML声明也添加到文件中（False表示添加、True表示不添加、None表示只有编码不是"US-ASCII"或"UTF-8"或"Unicode"时才添加） # default_namespace 设置默认的XML命名空间(“xmlns”) # method 可取值为"xml"、"html"和"text"，默认为"xml" # short_empty_elements 是惟一一个关键字参数，是Python 3.4新增长的参数。它用于控制那些不包含任何内容的elements的格式，若是该参数值为Ture则这些标签将会被输出为一个单独的自关闭标签（如: <a/>）,若是值为False则这些标签将会被输出为一个标签对（如：<a></a>） write(file, encoding="us-ascii", xml_declaration=None, default_namespace=None, method="xml", *, short_empty_elements=True)

注意：

write()方法的输出能够是一个字符串(str)，能够能够是二进制(bytes)。这是受encoding参数控制的：

• 若是encoding参数值为"unicode"，则输出是一个字符串；
• 不然，输出时二进制字节。
  若是file是一个（以可写模式）打开的文件对象，这有可能会发生冲突。所以，咱们须要肯定不会尝试将一个字符串写入一个二进制流，反之亦然。

3. xml.etree.ElementTree模块提供的函数

xml.etree.ElementTree模块也直接提供了一些函数便于咱们直接对XML进行操做，下面来介绍几个经常使用的函数：

# 解析包含XML数据的字符串，返回一个Element实例 xml.etree.ElementTree.fromstring(text) # 生成并返回指定的Element实例对应的包含XML数据的字符串（encoding="unicode"）或字节流 # 参数讲解请参考上面的ElementTree类的write()方法 xml.etree.ElementTree.toString(element, encoding="us-ascii", method="xml", *, short_empty_elements=True) # 解析包含XML数据的文件名或文件对象，返回一个ElementTree实例 xml.etree.ElementTree.parse(source, parser=None) # 将XML数据以递增的方式解析到元素树中，并向用户报告发生了什么（相似SAX的回调机制），最终返回一个提供(event, elem)对的迭代器(iterator)。 # source 是一个包含XML数据的文件名称或文件对象 # events 是一个包含要报告的事件序列，这里支持的事件包括："start"、"end"、"start-ns"、"end-ns"(“ns”事件用于获取详细的命名空间信息)。若是event参数被省略，则仅报告"end"事件。 # parser是一个可选的解析器实例，若是为给出则使用标准的XMLParser解析器 xml.etree.ElementTree.iterparse(source, events=None, parser=None)

关于xml.etree.ElementTree.iterparse()方法的说明：

• 虽然它以递增的方式构建元素树，可是它仍然会锁定对source的读取操做。所以，它不适用于不能接受读阻塞的应用。
• 它只保证在发出一个“start”事件时，它已经看到了起始标签(tag)的">"结束字符，所以此时它定义了atrrib属性，可是text和tail属性的内容在那一时刻是没有被定义的（这一样适用于子元素）。若是你须要一个彻底填充的元素，请查找“end”事件。