Python lxml教程.docx

Python lxml教程这两天因为要处理XML，研究了一下lxml库，做个总结。我在处理XML时，最想了解的三个问题是：问题1：有一个XML文件，如何解析问题2：解析后，如果查找、定位某个标签问题3：定位后如何操作标签，比如访问属性、文本内容等本文就是按这三个问题组织的，文本中代码都在Python 3.5中运行通过。开始之前，首先是导入模块，该库常用的XML处理功能都在lxml.etree中，可用下面的语句导入： from lxml import etreeElement类这一节回答问题3。Element是XML处理的核心类，Element对象可以直观的理解为XML的节点，大部分XML节点的处理都是围绕该类进行的。这部分包括三个内容：节点的操作、节点属性的操作、节点内文本的操作。节点操作1、创建Element对象直接使用Element方法，参数即节点名称。 root = etree.Element(root) print(root)2、获取节点名称使用tag属性，获取节点的名称。 print(root.tag)root3、输出XML内容使用tostring方法输出XML内容(后文还会有补充介绍)，参数为Element对象。 print(etree.tostring(root)b3、输出XML内容使用tostring方法输出XML内容(后文还会有补充介绍)，参数为Element对象。 child1 = etree.SubElement(root, child1) child2 = etree.SubElement(root, child2) child3 = etree.SubElement(root, child3)5、删除子节点使用remove方法删除指定节点，参数为Element对象。clear方法清空所有节点。 root.remove(child1) # 删除指定子节点 print(etree.tostring(root)b root.clear() # 清除所有子节点 print(etree.tostring(root)b6、以列表的方式操作子节点可以将Element对象的子节点视为列表进行各种操作： child = root0 # 下标访问 print(child.tag)child1 print(len(root) # 子节点数量3 root.index(child2) # 获取索引号1 for child in root: # 遍历. print(child.tag)child1child2child3 root.insert(0, etree.Element(child0) # 插入 start = root:1 # 切片 end = root-1: print(start0.tag)child0 print(end0.tag)child3 root.append( etree.Element(child4) ) # 尾部添加 print(etree.tostring(root)b其实前面讲到的删除子节点的两个方法remove和clear也和列表相似。7、获取父节点使用getparent方法可以获取父节点。 print(child1.getparent().tag)Root属性操作属性是以key-value的方式存储的，就像字典一样。1、创建属性可以在创建Element对象时同步创建属性，第二个参数即为属性名和属性值： root = etree.Element(root, interesting=totally) print(etree.tostring(root)b也可以使用set方法给已有的Element对象添加属性，两个参数分别为属性名和属性值： root.set(hello, Huhu) print(etree.tostring(root)b2、获取属性属性是以key-value的方式存储的，就像字典一样。直接看例子# get方法获得某一个属性值 print(root.get(interesting)totally# keys方法获取所有的属性名 sorted(root.keys()hello, interesting# items方法获取所有的键值对 for name, value in sorted(root.items():. print(%s = %r % (name, value)hello = Huhuinteresting = totally也可以用attrib属性一次拿到所有的属性及属性值存于字典中： attributes = root.attrib print(attributes)interesting: totally, hello: Huhu attributesgood = Bye # 字典的修改影响节点 print(root.get(good)Bye文本操作标签及标签的属性操作介绍完了，最后就剩下标签内的文本了。可以使用text和tail属性、或XPath的方式来访问文本内容。1、text和tail属性一般情况，可以用Element的text属性访问标签的文本。 root = etree.Element(root) root.text = Hello, World! print(root.text)Hello, World! print(etree.tostring(root)bHello, World!XML的标签一般是成对出现的，有开有关，但像HTML则可能出现单一的标签，比如下面这段代码中的。TextTailElement类提供了tail属性支持单一标签的文本获取。 html = etree.Element(html) body = etree.SubElement(html, body) body.text = Text print(etree.tostring(html)bText br = etree.SubElement(body, br) print(etree.tostring(html)bText# tail仅在该标签后面追加文本 br.tail = Tail print(etree.tostring(br)bTail print(etree.tostring(html)bTextTail# tostring方法增加method参数，过滤单一标签，输出全部文本 print(etree.tostring(html, method=text)bTextTail2、XPath方式# 方式一：过滤单一标签，返回文本 print(html.xpath(string()TextTail# 方式二：返回列表，以单一标签为分隔 print(html.xpath(/text()Text, Tail方法二获得的列表，每个元素都会带上它所属节点及文本类型信息，如下： texts = html.xpath(/text() print(texts0)Text# 所属节点 parent = texts0.getparent() print(parent.tag)body print(texts1, texts1.getparent().tag)Tail br# 文本类型：是普通文本还是tail文本 print(texts0.is_text)True print(texts1.is_text)False print(texts1.is_tail)True文件解析与输出这一节回答问题1。这部分讲述如何将XML文件解析为Element对象，以及如何将Element对象输出为XML文件。1、文件解析文件解析常用的有fromstring、XML和HTML三个方法。接受的参数都是字符串。 xml_data = data# fromstring方法 root1 = etree.fromstring(xml_data) print(root1.tag)root print(etree.tostring(root1)bdata# XML方法，与fromstring方法基本一样 root2 = etree.XML(xml_data) print(root2.tag)root print(etree.tostring(root2)bdata# HTML方法，如果没有和标签，会自动补上 root3 = etree.HTML(xml_data) print(root3.tag)html print(etree.tostring(root3)bdata2、输出输出其实就是前面一直在用的tostring方法了，这里补充xml_declaration和encoding两个参数，前者是XML声明，后者是指定编码。 root = etree.XML() print(etree.tostring(root)b# XML声明 print(etree.tostring(root, xml_declaration=True)bn# 指定编码 print(etree.tostring(root, encoding=iso-8859-1)bnElementPath这一节回答问题2。讲ElementPath前，需要引入ElementTree类，一个ElementTree对象可理解为一个完整的XML树，每个节点都是一个Element对象。而ElementPath则相当于XML中的XPath。用于搜索和定位Element元素。这里介绍两个常用方法，可以满足大部分搜索、查询需求，它们的参数都是XPath语句：findall()：返回所有匹配的元素，返回列表find()：返回匹配到的第一个元素