4.8 KiB
使用 lxml.objectify 用 Python 解析 XML
原文：https://www.blog.pythonlibrary.org/2012/06/06/parsing-xml-with-python-using-lxml-objectify/
几年前，我开始撰写一系列关于 XML 解析的文章。我介绍了 lxml 的 etree 和 Python 的 included minidom XML 解析库。不管出于什么原因，我没有注意到 lxml 的 objectify 子包，但我最近看到了它，并决定应该检查一下。在我看来，objectify 模块似乎比 etree 更“Pythonic 化”。让我们花点时间回顾一下我以前使用 objectify 的 XML 例子，看看它有什么不同！
让我们开始派对吧！
如果你还没有，出去下载 lxml ,否则你会跟不上。一旦你拿到了，我们可以继续。为了解析的方便，我们将使用下面这段 XML:
<appointment><begin>1181251680</begin>
<uid>040000008200E000</uid>
<alarmtime>1181572063</alarmtime>
<state><location><duration>1800</duration>
<subject>Bring pizza home</subject></location></state></appointment>
<appointment><begin>1234360800</begin>
<duration>1800</duration>
<subject>Check MS Office website for updates</subject>
<location><uid>604f4792-eb89-478b-a14f-dd34d3cc6c21-1234360800</uid>
<state>dismissed</state></location></appointment>
现在我们需要编写一些可以解析和修改 XML 的代码。让我们来看看这个小演示，它展示了 objectify 提供的一系列简洁的功能。
from lxml import etree, objectify
#----------------------------------------------------------------------
def parseXML(xmlFile):
""""""
with open(xmlFile) as f:
xml = f.read()
root = objectify.fromstring(xml)
# returns attributes in element node as dict
attrib = root.attrib
# how to extract element data
begin = root.appointment.begin
uid = root.appointment.uid
# loop over elements and print their tags and text
for appt in root.getchildren():
for e in appt.getchildren():
print "%s => %s" % (e.tag, e.text)
print
# how to change an element's text
root.appointment.begin = "something else"
print root.appointment.begin
# how to add a new element
root.appointment.new_element = "new data"
# print the xml
obj_xml = etree.tostring(root, pretty_print=True)
print obj_xml
# remove the py:pytype stuff
#objectify.deannotate(root)
etree.cleanup_namespaces(root)
obj_xml = etree.tostring(root, pretty_print=True)
print obj_xml
# save your xml
with open("new.xml", "w") as f:
f.write(obj_xml)
#----------------------------------------------------------------------
if __name__ == "__main__":
f = r'path\to\sample.xml'
parseXML(f)
代码被很好地注释了，但是我们还是会花一点时间来检查它。首先，我们将样本 XML 文件传递给它，将它对象化。如果你想访问一个标签的属性，使用 attrib 属性。它将返回标签属性的字典。要访问子标签元素，只需使用点符号。正如你所看到的，要得到 begin 标签的值，我们可以这样做:
begin = root.appointment.begin
如果需要迭代子元素，可以使用 iterchildren 。您可能必须使用嵌套的 for 循环结构来获取所有内容。改变一个元素的值就像给它分配一个新值一样简单。如果你需要创建一个新元素，只需添加一个句点和新元素的名称(如下所示):
root.appointment.new_element = "new data"
当我们使用 objectify 添加或更改项目时，它会给 XML 添加一些注释，比如xmlns:py = " http://code speak . net/lxml/objectify/pytype " py:py type = " str "。您可能不希望包含这些内容，所以您必须调用以下方法来删除这些内容:
etree.cleanup_namespaces(root)
您还可以使用“objectify.deannotate(root)”来做一些 deannotation 杂务，但是我无法让它在这个例子中工作。为了保存新的 XML，实际上似乎需要 lxml 的 etree 模块将它转换成一个字符串以便保存。
至此，您应该能够解析大多数 XML 文档，并使用 lxml 的 objectify 有效地编辑它们。我觉得很直观，很容易上手。希望你也会发现它对你的努力有用。