Python中xml.etree.ElementTree的使用_F11 - 专业站长和开发者的学习网站

xml.etree.ElementTree（简称ElementTree）是Python标准库中用于处理XML文件的模块。它提供了简洁且高效的API，适用于解析、创建和修改XML文档。在需要处理XML数据的场景中，比如配置文件、数据交换格式、Web服务响应等，ElementTree都是非常实用的工具。

一、基本使用场景

解析XML文档：读取并解析XML文档，将其转换为树结构以便进一步操作。
创建XML文档：从头开始构建XML文档，并将其保存到文件中。
修改XML文档：在解析后的XML树中添加、删除或修改元素。
搜索与遍历XML树：查找特定的元素或属性，遍历整个XML树结构。

二、核心API与用法

1. 解析XML文档

解析字符串形式的XML：

import xml.etree.ElementTree as ET

xml_data = '''<data>

<user>

</user>

</data>'''

root = ET.fromstring(xml_data)

print(root.tag)

输出：

data

解析XML文件：

import xml.etree.ElementTree as ET

tree = ET.parse('example.xml')

root = tree.getroot()

print(root.tag)

输出：

data

2. 创建XML文档

import xml.etree.ElementTree as ET

# 创建根元素

root = ET.Element('data')

# 创建子元素

user = ET.SubElement(root, 'user')

name = ET.SubElement(user, 'name')

name.text = 'John'

age = ET.SubElement(user, 'age')

age.text = '30'

# 将XML树写入文件

tree = ET.ElementTree(root)

tree.write('output.xml', encoding='utf-8', xml_declaration=True)

生成的output.xml内容：

<?xml version='1.0' encoding='utf-8'?>

<data>

<user>

</user>

</data>

3. 修改XML文档

修改现有元素的文本内容：

import xml.etree.ElementTree as ET

tree = ET.parse('output.xml')

root = tree.getroot()

# 修改元素内容

root.find('user/name').text = 'Jane'

tree.write('output_modified.xml', encoding='utf-8', xml_declaration=True)

output_modified.xml内容：

<?xml version='1.0' encoding='utf-8'?>

<data>

<user>

</user>

</data>

4. 搜索与遍历XML树

遍历所有子元素：

import xml.etree.ElementTree as ET

tree = ET.parse('output.xml')

root = tree.getroot()

for child in root.iter():

print(child.tag, child.text)

输出：

data None
user None
name John
age 30

查找特定元素：

import xml.etree.ElementTree as ET

tree = ET.parse('output.xml')

root = tree.getroot()

name = root.find('user/name')

print(name.text)

输出：

John

三、进阶用法

1. 处理带有命名空间的XML

命名空间在复杂XML文档中非常常见，用于区分不同元素的作用域。

解析带有命名空间的XML：

import xml.etree.ElementTree as ET

xml_data = '''<root xmlns:h="http://www.w3.org/TR/html4/" xmlns:f="http://www.w3schools.com/furniture">

<h:table>

<h:tr>

<h:td>Apples</h:td>

<h:td>Bananas</h:td>

</h:tr>

</h:table>

<f:table>

<f:name>African Coffee Table</f:name>

<f:width>80</f:width>

<f:length>120</f:length>

</f:table>

</root>'''

root = ET.fromstring(xml_data)

# 使用命名空间解析

for table in root.findall('{http://www.w3.org/TR/html4/}table'):

for td in table.findall('{http://www.w3.org/TR/html4/}td'):

print(td.text)

输出：

Apples
Bananas

2. 使用XPath查找元素

虽然ElementTree本身不支持完整的XPath语法，但提供了类似的路径查找功能。

import xml.etree.ElementTree as ET

xml_data = '''<root>

<users>

</user>

</user>

</users>

</root>'''

root = ET.fromstring(xml_data)

# 查找id为2的用户的名称

name = root.find('.//user[@id="2"]/name').text

print(name)

输出：

Jane

3. 批量处理和转换XML

当需要处理大量的XML数据时，可以利用生成器或者批量处理方法来提高效率。

import xml.etree.ElementTree as ET

def parse_large_xml(file):

context = ET.iterparse(file, events=('start', 'end'))

for event, elem in context:

if event == 'end' and elem.tag == 'user':

yield elem

elem.clear() # 清除元素以节省内存

for user in parse_large_xml('large_users.xml'):

print(user.find('name').text)

四、常用技巧

1. 使用生成器高效解析大文件

如上所述，使用iterparse()和生成器可以有效节省内存并提高处理速度，适用于大文件的解析。

2. 自动缩进与格式化输出

默认情况下，ElementTree生成的XML是无缩进的，可以通过手动调整生成XML的格式来使其更具可读性。

import xml.etree.ElementTree as ET

def indent(elem, level=0):

i = "\n" + level*" "

if len(elem):

if not elem.text or not elem.text.strip():

elem.text = i + " "

if not elem.tail or not elem.tail.strip():

elem.tail = i

for subelem in elem:

indent(subelem, level+1)

if not elem.tail or not elem.tail.strip():

elem.tail = i

else:

if level and (not elem.tail or not elem.tail.strip()):

elem.tail = i

root = ET.Element("root")

child = ET.SubElement(root, "child")

indent(root)

tree = ET.ElementTree(root)

tree.write("output_pretty.xml", encoding="utf-8", xml_declaration=True)

生成的output_pretty.xml内容：

<?xml version='1.0' encoding='utf-8'?>

<root>

</root>

3. 安全处理外部实体

在处理来自不受信任源的XML数据时，最好禁用外部实体，以防止XML外部实体注入（XXE）攻击。

import xml.etree.ElementTree as ET

from defusedxml.ElementTree import parse, fromstring

# 安全地解析XML

tree = parse('example.xml')

root = tree.getroot()

# 或者

root = fromstring(xml_data)

defusedxml库提供了更安全的XML解析方法，防止常见的安全漏洞。