Python 標準庫之XML
寫在之前
帶分隔符的文件僅有兩維的數據：行 & 列。如果我們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，集合和其它的數據結構編碼成文本。
今天要說的 XML 是最突出的處理上述這種轉換的標記格式，它使用標籤（tag）分隔數據。XML 在軟體領域的用途非常廣泛。
XML
XML 是什麼？如果非要對其做一個定義式的說明，那這裡我不得不引用一下 w3school 裡面簡潔而明快的說明：
XML 指可擴展標記語言（EXtensible Markup Language）；
XML 是一種標記語言，類似於 HTML；XML 的設計宗旨是傳輸數據，而非顯示數據；
XML 標籤沒有被預定義，需要自行定義標籤； XML 被設計為具有自我描述性； XML 是 W3C 的推薦標準。
如果你想要詳細瞭解和學習 XML 的話，可以去閱讀 w3school 的 XML 教程即可，裡面講述的很詳細，在下面我還會引用一些裡面的內容。
XML 的重要性在於它是用來傳輸數據的，因此，特別是在 Web 編程中我們經常會用到它。有了它，讓數據傳輸變的更加簡單，這麼重要的東西，我大 Python 當然支持。
有大佬曾經說過：「一個引人關注的東西總會有很多人從不同側面去研究它」。這個在編程中也同樣適用，所以對於 XML 這個紅得發紫的東西，Python 提供了多種模塊來處理。
- xml.dom.* 模塊：Document Object Model。適合用於處理 DOM API。它能夠將 XML 數據在內存中解析成一個樹，然後通過對樹的操作來操作 XML。但是這種方式由於將 XML 數據映射到內存中的樹，導致比較慢，且消耗更多內存。
- xml.sax.* 模塊：simple API for XML。由於 SAX 以流式讀取 XML 文件，從而速度較快，佔用內存少，但是在操作上稍微複雜，需要用戶實現回調函數。
當然還有一些別的，比如 xml.parse.expat，xml.etree.ElementTree 等等，我就不在列舉了，碰到的時候再去查查，否則光看這些東西頭就大了，而且無聊的很。
遍歷查詢
先要做一個 XML 文檔，我自己想也想不出個啥太好的來，所以直接用 w3school 中的一個例子，如下圖所示：
上圖表示下面的 XML 中的一本書：
<bookstore>
<book category="COOKING">
<title lang="en">Everyday Italian</title>
<author>Giada De Laurentiis</author>
<year>2005</year>
<price>30.00</price>
</book>
<book category="CHILDREN">
<title lang="en">Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
<book category="WEB">
<title lang="en">Learning XML</title>
<author>Erik T. Ray</author>
<year>2003</year>
<price>39.95</price>
</book>
</bookstore>
將上述的 XML 保存並且命名為 test.xml 文件，接下來就是以它為對象，練習各種操作了。
>>> import xml.etree.ElementTree as ET
>>> tree = ET.ElementTree(file = test.xml)
>>> tree
<xml.etree.ElementTree.ElementTree object at 0x00000000025B8630>
上面建立起 XML 解析樹對象，然後通過根節點向下開始讀取各個元素（element 對象）。
在上述 XML 文檔中，根元素是 bookstore，它沒有屬性，也可以說是屬性為空。
>>> root = tree.getroot()
>>> root.tag
bookstore
>>> root.attrib
{}
要想將根下面的元素都讀取出來，可以進行如下操作：
>>> for child in root:
... print(child.tag,child.attrib)
...
(book, {category: COOKING})
(book, {category: CHILDREN})
(book, {category: WEB})
也可以像下面這樣讀取指定元素的信息：
>>> root[0].tag
book
>>> root[0].attrib
{category: COOKING}
>>> root[0].text
上述的 root[0].text 無內容，再深入一層，我們就可以看到內容了：
>>> root[0][0].tag
title
>>> root[0][0].attrib
{lang: en}
>>> root[0][0].text
Everyday Italian
對於 ElementTree 對象，有一個 iter() 方法可以對指定名稱的子節點進行深度優先遍歷，例如下面這樣：
>>> for ele in tree.iter(tag=book):
... print(ele.tag,ele.attrib)
...
(book, {category: COOKING})
(book, {category: CHILDREN})
(book, {category: WEB})
上述代碼是遍歷名稱為 book 的節點，如果不指定節點的話，就是將所有的元素遍歷一遍：
>>> for ele in tree.iter():
... print(ele.tag,ele.attrib)
...
(bookstore, {})
(book, {category: COOKING})
(title, {lang: en})
(author, {})
(year, {})
(price, {})
(book, {category: CHILDREN})
(title, {lang: en})
(author, {})
(year, {})
(price, {})
(book, {category: WEB})
(title, {lang: en})
(author, {})
(year, {})
(price, {})
除了上面的方法外，還可以通過路徑搜索到指定的元素，然後讀取其內容，這就是 xpath，關於 xpath 是什麼，在這不多做介紹，感興趣的可以去 Google。
編輯（增刪改查）
我們還是用上面的例子，為了方便查看，我把內容再粘貼過來，下面的內容記得保存並且命名為 test.xml。
<bookstore>
<book category="COOKING">
<title lang="en">Everyday Italian</title>
<author>Giada De Laurentiis</author>
<year>2005</year>
<price>30.00</price>
</book>
<book category="CHILDREN">
<title lang="en">Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
<book category="WEB">
<title lang="en">Learning XML</title>
<author>Erik T. Ray</author>
<year>2003</year>
<price>39.95</price>
</book>
</bookstore>
上一篇文章我們主要是對 xml 進行了讀取的有關操作，其實還可以對 XML 進行編輯，也就是增刪改查的功能，下面我們來操作一下：
>>> import xml.etree.ElementTree as ET
>>> tree = ET.ElementTree(file = "test.xml")
>>> root = tree.getroot() #獲得根
>>> root[1].tag
book
>>> del root[1]
>>> for ele in root:
... print(ele.tag)
...
book
book
如上，我們成功的刪除了一個節點，原來有 3 個 book 節點，現在就只剩下兩個了。接下來讓我們打開源文件看看，是不是正好缺少了第 2 個節點呢？結果讓我們很失望，源文件並沒有什麼變化。
確實如此，源文件並沒有變，因為到了這一步的修改動作還只是停留在內存裏，還沒有將修改的結果輸出到文件，不要忘記我們是在內存中建立的 ElementTree 對象。那麼該如何做呢？請接著往下看：
>>> import os
>>> outpath = os.getcwd()
>>> file = outpath + "/test.xml"
把當前文件的路徑拼裝好。
>>> tree.write(file)
做完上面的操作以後再去看源文件，已經變成兩個節點了。
除了刪除，也是可以修改的：
>>> for price in root.iter(price): #原來每本書的價格
... print(price.text)
...
30.00
39.95
>>> for price in root.iter(price): #每本上漲 10 元並做標記
... new_price = float(price.text) + 10
... price.text = str(new_price)
... price.set("updated","up")
...
>>> tree.write(file)
然後我們來查看一下源文件：
<bookstore>
<book category="COOKING">
<title lang="en">Everyday Italian</title>
<author>Giada De Laurentiis</author>
<year>2005</year>
<price updated="up">50.0</price>
</book>
<book category="WEB">
<title lang="en">Learning XML</title>
<author>Erik T. Ray</author>
<year>2003</year>
<price updated="up">49.95</price>
</book>
</bookstore>
通過對比我們可以發現，不僅價格改變了，而且在 price 標籤裡面增加了屬性標記。
上面我們是用 del 來刪除某個元素，其實這個在編程中我們用的並不多，一般情況下更喜歡用 remove() 方法。比如要刪除 price = 50 的書，可以像下面這樣操作：
>>> tree.write(file)
>>> for book in root.findall("book"):
... price = book.find("price").text
... if float(price) == 50:
... root.remove(book)
...
>>> tree.write(file)
於是就有了下面的結果：
<bookstore>
<book category="WEB">
<title lang="en">Learning XML</title>
<author>Erik T. Ray</author>
<year>2003</year>
<price updated="up">49.95</price>
</book>
</bookstore>
接下來我們來看看增加元素：
>>> import xml.etree.ElementTree as ET
>>> tree = ET.ElementTree(file = test.xml)
>>> root = tree.getroot()
>>> ET.SubElement(root,"book") # 在root裡面添加book節點
<Element book at 0x000000000209C778>
>>> for ele in root:
... print(ele.tag)
...
book
book
>>> b2 = root[1]
>>> b2.text = python
>>> tree.write(test.xml)
這樣就大功告成了，然後再像上面一樣看一下源文件，發現果真增加了。
常用的屬性 & 方法
ET 裡面的屬性 & 方法很多，這裡列出常用的幾個，供使用中備查。
1.Element 對象
常用的屬性如下：
- tag：string，元素數據種類
- text：string，元素的內容
- attrib：dictionary，元素的屬性字典
- tail：string，元素的尾形
針對屬性的操作如下：
- clear()：清空元素的後代，屬性，text 和 tail 也設置為 None。
- items()：根據屬性字典返回一個列表，列表元素為(key,value)。
- keys()：返回包含所有元素屬性鍵的列表。
- set(key,value)：設置新的屬性鍵和值。
針對後代的操作如下：
- append(subelement)：添加直系子元素。
- extend(sunelements)：增加一串元素對象作為子元素。
- find(match)：尋找第一個匹配子元素，匹配對象可以為 tag 或 path。
- findall(match)：尋找所有匹配子元素，匹配對象可以為 tag 或 path。
- insert(index,element)：在指定位置插入子元素。
- remove(subelement)：刪除子元素
2.ElementTree 對象
- find(match)。
- findall(match)。
- getroot()：獲取根結點。
- parse(source,parser = None)：裝載 XML 對象，source 可以為文件名或文件類型對象。
寫在之後
更多內容，歡迎關注公眾號「Python空間」，期待和你的交流。
推薦閱讀：
