XML文件格式的简介及如何用Python3处理XML格式对象

诸神缄默不语-个人技术博文与视频目录

1. XML格式简介

可扩展标记语言 (Extensible Markup Language, XML)

总之也是一种用来定义数据规范的纯文本格式。呃但是也可以拿来按这种规范来存储数据。
大小写敏感。

示例：

<?xml version="1.0" encoding="utf-8"?>
<manifest xmlns:android="http://schemas.android.com/apk/res/android"
      package="osg.AndroidExample"
      android:installLocation="preferExternal"
      android:versionCode="1"
      android:versionName="1.0">
    <uses-sdk android:targetSdkVersion="8" android:minSdkVersion="8"></uses-sdk>
    <uses-feature android:glEsVersion="0x00020000"/> <!-- OpenGL min requierements (2.0) -->
    <uses-permission android:name="android.permission.INTERNET"/>

    <application android:label="@string/app_name" android:icon="@drawable/osg">
        <activity android:name=".osgViewer"
                  android:label="@string/app_name" android:screenOrientation="landscape"> <!--  Force screen to landscape -->
            <intent-filter>
                <action android:name="android.intent.action.MAIN" />
                <category android:name="android.intent.category.LAUNCHER" />
            </intent-filter>
        </activity>

    </application>
</manifest>

格式上有点类似于HTML，由XML元素组成，每个XML元素包括一个开始标记（<factor_name>），一个结束标记（</factor_name>）以及两个标记之间的内容。
有且只有一个根元素。就是紧接着声明后面建立的第一个元素，其他元素都是这个根元素的子元素，根元素完全包括文档中其他所有的元素。根元素的起始标记要放在所有其他元素的起始标记之前；根元素的结束标记要放在所有其他元素的结束标记之后。

XML声明是XML文档的第一句，其格式如下：
<?xml version="1.0" encoding="utf-8"?>

所有属性值必须加引号（可以是单引号，也可以是双引号，建议使用双引号）。

2. 格式化XML文件的工具

在线格式化：https://c.runoob.com/front-end/710/

也可以用VSCode上的这个插件：

安装后打开XML文件时，在窗口中右键选择“Format Document”就能格式化XML文件。

3. Python处理XML：xml库

本节各小节用的原XML文件都大致长这样：

实际上是从C:\Users\user_name\AppData\Roaming\Tencent\WeChat\3\host里面随便抓的一个XML文件。

1. xml.etree.(c)ElementTree

try:
    import xml.etree.cElementTree as ET
except ImportError:
    import xml.etree.ElementTree as ET

cElementTree是用C写的更快的实现。接口用法看起来都是一样的。

模块的类：
ElementTree：是一个层级式的XML元素。
ElementTree.Element(tag)是一个XML元素。

模块函数：
ElementTree.SubElement(parent,tag)：为XML元素增加一个子元素，返回这个子元素（一个Element实例）。
ElementTree.parse(xml_file_path)：解析一个XML文档为ElementTree对象

ElementTree对象的函数：
getroot()：返回根元素（一个Element实例）
write(file_or_filename,encoding)

Element对象的属性：
tag
text

Element对象的方法：
findall(tag)：返回当前Element对象的指定tag的所有子元素（一个Element的迭代器）
find(tag)：返回当前Element对象的指定tag的第一个子元素（一个Element对象）
append(subelement:Element)：给当前Element对象增加一个子元素（一个Element对象）

示例代码：

按照指定tag查询子元素的子元素的第一个子元素的text的代码示例：

import xml.etree.ElementTree as ET

tree = ET.parse(r'trys\example.xml')
root=tree.getroot()
for function in root.findall('function'):
    for domainlist in function.findall('domainlist'):
        domain=domainlist.find('domain')
        print(domain.text)
        break
    break

输出：long.weixin.qq.com

↑注意在这里我们可以发现xml对象中，每一层只能检索（不管是用find还是findall）当前对象的属性，就是说如果你跨级检索就检索不到。

在现成的XML文件中增加一个子元素的代码示例：

import xml.etree.ElementTree as ET

tree = ET.parse(r"trys\example.xml")
root = tree.getroot()
book = ET.Element("book")
title = ET.SubElement(book, "title")
title.text = "机器学习"
root.append(book)
tree.write(r"trys\example2.xml", encoding="utf-8")

输出XML文件最后的内容示例（注意这是我用XML插件格式化后的效果）：

2. xml.dom.minidom

官方文档：https://docs.python.org/3/library/xml.dom.minidom.html

模块类：
Document
Element
Node
Text

模块函数：
parseString(string)：将XML字符串转化为xml.DOM（Document对象）

Document对象的属性：
documentElement：获取DOM的根元素

Document对象的函数：
writexml(file_writer:TextIOWrapper,indent:str,addindent:str,newl:str)：将DOM写入文本文件，所以此处的TextIOWrapper需要是可写的。

Element对象的属性：
childNodes：理论上是返回子节点列表（xml.dom.minicompat.NodeList对象），每个元素是一个Node，但是事实上会直接实例化成具体的Node分类（如示例中的Text对象）。这个好像只在没有子元素的元素里才有用，可以从其第一个元素里获得data属性，这个就是Element对象的文本。具体的可以见示例代码

Element对象的函数：
getElementsByTagName(tag)：获取当前Element对象所有指定tag的子元素，返回一个xml.dom.minicompat.NodeList对象，这个对象是可以用索引直接获取每个元素（Element实例）的
getAttribute(attname)：根据属性名获取当前Element的属性值

Text对象的属性：
data：文字
nodeType：3（Node.TEXT_NODE的值）

Node对象的属性：

示例代码，简单版：

from xml.dom.minidom import parseString

xml_str=open(r"trys\example.xml",encoding="utf-8").read()
doc=parseString(xml_str)
functionlist=doc.documentElement

function_iterator=functionlist.getElementsByTagName("function")
function1=function_iterator[0]  #xml.dom.minidom.Element对象
print(function1.getAttribute("name"))  #输出：basic

domain_lists=function1.getElementsByTagName("domainlist")
domain_list1=domain_lists[0]

domains=domain_list1.getElementsByTagName("domain")
domain1=domains[0]

childnodes=domain1.childNodes  #xml.dom.minicompat.NodeList对象
the_childnode=childnodes[0]  #xml.dom.minidom.Text对象
print(the_childnode.nodeType)  #输出：3
print(the_childnode.data)  #输出：long.weixin.qq.com

在真实项目中的使用代码可以参考我的另一篇博文：如何用Python 3调用ArXiv API查询ArXiv论文元数据

4. 本文撰写过程中参考的其他网络资料

1. 可扩展标记语言_百度百科
2. XML到底是干什么的? - 知乎