Python中使用ElementTree解析XML文件

Python中使用ElementTree对XML文件进行解析

官方API介绍：https://docs.python.org/3.6/library/xml.etree.elementtree.html

XML文件介绍：

XML指可扩展标记语言（eXtensible Markup Language），接触过Java或者Android的同学们相信绝对不会陌生，XML被设计用来传输和存储数据，虽然现在用来与服务端交互更多情况下使用的都是Json格式的数据，但是XML格式还是有着广泛的应用。
最近在公司的项目中，需要使用Python脚本在后台对反编译的apk文件进行合并，其中对Manifest文件中标签的处理，主要就是用到了Python中的XML解析，因此写一篇文章记录一下。

Python中提供的XML解析方式：

方法 特点 SAX SAX解析通过流模式在解析XML的过程中触发对应的事件（start_element、char_data、end_element）并调用用户定义的回调函数来处理XML文件。 DOM 将XML数据在内存中解析成一个树，通过对树的操作来操作XML，占用内存大，解析速度较慢，优点是可以任意遍历树的节点。 ElementTree 类似一个轻量级的DOM，也是本篇文章主要介绍的。

准备一份XML格式的文件：

巧妇难为无米之炊，需要进行解析，首先必须有一个XML文件，本篇文章采用官方API示例中的XML文档，示例代码如下：

<?xml version="1.0"?><data>    <country name="Liechtenstein">        <rank>1</rank>        <year>2008</year>        <gdppc>141100</gdppc>        <neighbor name="Austria" direction="E"/>        <neighbor name="Switzerland" direction="W"/>    </country>    <country name="Singapore">        <rank>4</rank>        <year>2011</year>        <gdppc>59900</gdppc>        <neighbor name="Malaysia" direction="N"/>    </country>    <country name="Panama">        <rank>68</rank>        <year>2011</year>        <gdppc>13600</gdppc>        <neighbor name="Costa Rica" direction="W"/>        <neighbor name="Colombia" direction="E"/>    </country></data>

XML文件格式介绍：

<tag attrib = > text </tag> tail
例：<APP_KEY channel = 'CSDN'> hello123456789 </APP_KEY>
- tag，即标签，用于标识该元素表示哪种数据，即APP_KEY
- attrib，即属性，用Dictionary形式保存，即{‘channel’ = ‘CSDN’}
- text，文本字符串，可以用来存储一些数据，即hello123456789
- tail，尾字符串，并不是必须的，例子中没有包含。

ElementTree解析XML文件的过程：

• 导入ElementTree，import xml.etree.ElementTree as ET
• 解析Xml文件找到根节点：
  
  • 直接解析XML文件并获得根节点，tree = ET.parse('country_data.xml') root = tree.getroot()
  • 解析字符串，root = ET.fromstring(country_data_as_string)
• 遍历根节点可以获得子节点，然后就可以根据需求拿到需要的字段了。

源码演示：

示例代码：

#！usr/bin/python# -*- coding: utf-8 -*-#==========================import xml.etree.ElementTree as ETtree = ET.parse('country_data.xml')root = tree.getroot()print('root-tag:',root.tag,',root-attrib:',root.attrib,',root-text:',root.text)for child in root:     print('child-tag是：',child.tag,',child.attrib：',child.attrib,',child.text：',child.text)     for sub in child:          print('sub-tag是：',sub.tag,',sub.attrib：',sub.attrib,',sub.text：',sub.text)

运行结果：

>>> root-tag: data ,root-attrib: {} ,root-text: child-tag是： country ,child.attrib： {'name': 'Liechtenstein'} ,child.text： sub-tag是： rank ,sub.attrib： {} ,sub.text： 1sub-tag是： year ,sub.attrib： {} ,sub.text： 2008sub-tag是： gdppc ,sub.attrib： {} ,sub.text： 141100sub-tag是： neighbor ,sub.attrib： {'direction': 'E', 'name': 'Austria'} ,sub.text： Nonesub-tag是： neighbor ,sub.attrib： {'direction': 'W', 'name': 'Switzerland'} ,sub.text： Nonechild-tag是： country ,child.attrib： {'name': 'Singapore'} ,child.text： sub-tag是： rank ,sub.attrib： {} ,sub.text： 4sub-tag是： year ,sub.attrib： {} ,sub.text： 2011sub-tag是： gdppc ,sub.attrib： {} ,sub.text： 59900sub-tag是： neighbor ,sub.attrib： {'direction': 'N', 'name': 'Malaysia'} ,sub.text： Nonechild-tag是： country ,child.attrib： {'name': 'Panama'} ,child.text： sub-tag是： rank ,sub.attrib： {} ,sub.text： 68sub-tag是： year ,sub.attrib： {} ,sub.text： 2011sub-tag是： gdppc ,sub.attrib： {} ,sub.text： 13600sub-tag是： neighbor ,sub.attrib： {'direction': 'W', 'name': 'Costa Rica'} ,sub.text： Nonesub-tag是： neighbor ,sub.attrib： {'direction': 'E', 'name': 'Colombia'} ,sub.text： None

查找指定的子节点：

当XML文件较大或者其中的子节点tag非常多的时候，一个一个获取是比较麻烦的而且有很多不是我们需要的，这样我们可以通过find(‘nodeName’)或者findall(‘nodeName’)方法来查找指定tag的节点。
- find(‘nodeName’)：表示在该节点下，查找其中**第一个**tag为nodeName的节点。
- findall(‘nodeName’)：表示在该节点下，查找其中**所有**tag为nodeName的节点。

代码示例：

#！usr/bin/python# -*- coding: utf-8 -*-import xml.etree.ElementTree as ETtree = ET.parse('country_data.xml')root = tree.getroot()animNode = root.find('country') #查找root节点下第一个tag为country的节点print(animNode.tag,animNode.attrib,animNode.text)

运行结果,可以在XML文件中看到，第一个tag为country的节点确实是Liechtenstein：

>>> country {'name': 'Liechtenstein'} 

删除指定的节点以及保存

在合并Manifest文件的时候，可能有一些重复的权限，那么怎么删除掉呢，删除指定节点可以通过remove(node)方法,移除指定的节点。
代码示例，比如我们想移除attribute中name为Liechtenstein的节点：

#！usr/bin/python# -*- coding: utf-8 -*-import xml.etree.ElementTree as ETtree = ET.parse('country_data.xml')root = tree.getroot()animNode = root.find('country') if animNode.attrib['name'] == 'Liechtenstein':     root.remove(animNode)tree.write('finish.xml')#保存修改后的XML文件

运行结果,我们打开保存的finish.xml文件，发现保存结果如下，name为Liechtenstein的节点已经被删除了：

<data>    <country name="Singapore">        <rank>4</rank>        <year>2011</year>        <gdppc>59900</gdppc>        <neighbor direction="N" name="Malaysia" />    </country>    <country name="Panama">        <rank>68</rank>        <year>2011</year>        <gdppc>13600</gdppc>        <neighbor direction="W" name="Costa Rica" />        <neighbor direction="E" name="Colombia" />    </country></data>