Python 标准库之 XML（上）

本文字数：2858 字

阅读本文大概需要：8 分钟

写在之前

带分隔符的文件仅有两维的数据：行 & 列。如果我们想在程序之间交换数据结构，需要一种方法把层次结构，序列，集合和其它的数据结构编码成文本。

今天要说的 XML 是最突出的处理上述这种转换的标记格式，它使用标签（tag）分隔数据。XML 在软件领域的用途非常广泛。

XML

XML 是什么？如果非要对其做一个定义式的说明，那这里我不得不引用一下 w3school 里面简洁而明快的说明：

XML 指可扩展标记语言（EXtensible Markup Language）；

XML 是一种标记语言，类似于 HTML；

XML 的设计宗旨是传输数据，而非显示数据；

XML 标签没有被预定义，需要自行定义标签；

XML 被设计为具有自我描述性；

XML 是 W3C 的推荐标准。

如果你想要详细了解和学习 XML 的话，可以去阅读 w3school 的 XML 教程即可，里面讲述的很详细，在下面我还会引用一些里面的内容。

XML 的重要性在于它是用来传输数据的，因此，特别是在 Web 编程中我们经常会用到它。有了它，让数据传输变的更加简单，这么重要的东西，我大 Python 当然支持。

有大佬曾经说过：“一个引人关注的东西总会有很多人从不同侧面去研究它”。这个在编程中也同样适用，所以对于 XML 这个红得发紫的东西，Python 提供了多种模块来处理。

xml.dom.* 模块：Document Object Model。适合用于处理 DOM API。它能够将 XML 数据在内存中解析成一个树，然后通过对树的操作来操作 XML。但是这种方式由于将 XML 数据映射到内存中的树，导致比较慢，且消耗更多内存。

xml.sax.* 模块：simple API for XML。由于 SAX 以流式读取 XML 文件，从而速度较快，占用内存少，但是在操作上稍微复杂，需要用户实现回调函数。

遍历查询

先要做一个 XML 文档，我自己想也想不出个啥太好的来，所以直接用 w3school 中的一个例子，如下图所示：

上图表示下面的 XML 中的一本书：

将上述的 XML 保存并且命名为 test.xml 文件，接下来就是以它为对象，练习各种操作了。

上面建立起 XML 解析树对象，然后通过根节点向下开始读取各个元素（element 对象）。

在上述 XML 文档中，根元素是 bookstore，它没有属性，也可以说是属性为空。

要想将根下面的元素都读取出来，可以进行如下操作：

也可以像下面这样读取指定元素的信息：

上述的 root[0].text 无内容，再深入一层，我们就可以看到内容了：

对于 ElementTree 对象，有一个 iter() 方法可以对指定名称的子节点进行深度优先遍历，例如下面这样：

上述代码是遍历名称为 book 的节点，如果不指定节点的话，就是将所有的元素遍历一遍：

除了上面的方法外，还可以通过路径搜索到指定的元素，然后读取其内容，这就是 xpath，关于 xpath 是什么，在这不多做介绍，感兴趣的可以去 Google。

写在之后

今天的文章如果你能坚持看到这，恭喜你又学到了。前半部分概念的东西有点多，而且看着还头晕，这个其实是没办法的事情，不说概念脑子里形不成概念，后面的理解就很麻烦。还好后面就是操作了，还是那句话，多敲代码，别光看，敲几遍记住它。

如果你觉得本篇文章对你有帮助的话，别忘了点个赞，谢谢。