Python lxml教程

内容简介：Python lxml教程

lxml是 Python 处理xml文档的一个库，速度快，易编程，可以“make life easier”。这篇文章是lxml的快速上手教程。

XML在lxml中的表示

在DOM中，文档是以节点（node）的形式组织的。某节点又有子节点，表示Elements，Attributes，Text等。

例如，下面这个DOM可以用如图所示的节点组织。

<p>To find out <em>more</em>, see the
<a href="http://www.w3.org/XML">standard</a>.</p>

在lxml中，只有Element，Element有子Element，构成一棵树。Element有一下属性：

• .tag – element的名字，比如“p”或“em”等
• .text – 元素的文本内容，从开头到第一个子节点。如果从开头到一个子节点没有内容，那么就是None。比如p的text是”To find out”
• .tail – 元素后面的内容，到下一个元素为止。比如em的tail是”, see the”
• .attrib – 元素的属性。“ <h2 class="arch" id="N15"> ”的.attrib就是 “ {"class": "arch", "id": "N15"} ”
• （子元素列表） – Element的很多行为都和list类似，可以用来索引。比如Element[0]就是表示Element的第1个子元素。可以使用len()查看这个Element一共有多少个子元素

上面的DOM使用lxml的Element表示：

注意.tail，比如，”,see the \n”本来在DOM中是p的节点，但是在lxml里成为了em的.tail属性。

操作Element

在lxml中，一个Element实体的表现和Python的list很相似，可以使用len()获得这个Element的子元素的数量，可以使用下标操作子元素，可以使用replace(), delete()等方法。假设E是一个Element实体，那么可以进行以下操作。

• 通过E[i]获得第i+1个元素
• 通过E[start:end]获得从start到end之间的元素
• 可以通过下标替换一个元素：E[i] = c
• 删除一个元素：del E[i]
• 通过循环迭代所有元素：

• for kid in node:
      print kid.tag
  

• 通过append()添加子元素
• 使用clear()将子元素清空，此外：
  • .attrib字典将清空
  • tail和text将设置为None

此外，Element还有一些其他的方法。

Element.find()

E.find(path[, namespaces=D])

找到和path匹配的元素，如果有多个，返回第一个。可以查找子元素的子元素，” tag1 / tag2 /…/ tagn “。

Element.findall()

E.findall(path[, namespaces=N])

找到所有匹配的元素，以列表的形式返回。

Element.findtext()

E.findtext(path, default=None, namespaces=N)

找出所有和path（path是Element的后代即可）匹配的元素中的文本。如果有多个，返回第一个。如果匹配path但是元素没有文本，返回”（default在这种情况下不会使用）。

Element.get()

E.get(key, default=None)

获得一个attribute的值，如果没有，使用default。

Element.getchildren()

E.getchildren()

获得所有子元素（感觉这方法和元素本身一样啊……）

>>> xml = '''<corral><horse n="2"/><cow n="17"/>
...  <cowboy n="2"/></corral>'''
>>> pen = etree.fromstring(xml)
>>> penContents = pen.getchildren()
>>> for  content in penContents:
...     print "%-10s %3s" % (content.tag, content.get("n", "0"))
... 
horse        2
cow         17
cowboy       2
>>>

Element.getiterator()

E.getiterator(tag=None)

得到元素的迭代器。如果tag省略，元素本身会作为第一个元素。

比如遍历下面这个树。

>>> xml = '''<a><b><c/><d/></b><e/></a>'''
>>> tree = etree.fromstring(xml)
>>> walkAll = tree.getiterator()
>>> for  elt in walkAll:
...     print elt.tag,
... 
a b c d e
>>> 

Element.insert()

E.insert(index, elt)

插入一个新的子元素。

Element.items()

就和字典的items()一样，会返回一个tuple的list。

>>> node = etree.fromstring("<event time='1830' cost='3.50' rating='nc-03'/>")
>>> node.items()
[('cost', '3.50'), ('time', '1830'), ('rating', 'nc-03')]
>>>

Element.iterancestors()

E.iterancestors(tag=None)

和Element.getiterator()类似，不过是从当前节点开始，往上遍历祖先，直到遍历到根目录。

>>> xml = '''<class sci='Aves' eng='Birds'>
...   <order sci='Strigiformes' eng='Owls'>
...     <family sci='Tytonidae' eng='Barn-Owls'>
...       <genus sci='Tyto'>
...         <species sci='Tyto alba' eng='Barn Owl'/>
...       </genus>
...     </family>
...   </order>
... </class>'''
>>> root = etree.fromstring(xml)
>>> barney = root.xpath('//species') [0]
>>> print "%s: %s" % (barney.get('sci'), barney.get('eng'))
Tyto alba: Barn Owl
>>> for  ancestor in barney.iterancestors():
...     print ancestor.tag,
genus family order class
>>> for  fam in barney.iterancestors('family'):
...    print "%s: %s" % (fam.get('sci'), fam.get('eng'))
Tytonidae: Barn-Owls

Element.keys()

E.keys()

返回所有attributes的key。

Element.xpath()

E.xpath(s[, namespaces=N][, var=value][, ...])

非常常用的一个方法，关于xpath有太多要说的了，以后再写吧……

参考资料

1. Python XML processing with lxml

以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

• 立体字母建模教程【C4D教程】
• PS学习教程 PS制作字体发光效果教程
• 【C4D教程】卡通风可爱小乌龟建模教程
• 卡通风仙人掌建模教程【C4D教程】
• 3D立体字体制作教程，C4D建模教程
• 3D小乌龟制作教程，C4D建模教程

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。