lxml.etree 教程：Python XML处理利器

lxml.etree 教程：Python XML处理利器

lxml The lxml XML toolkit for Python 项目地址: https://gitcode.com/gh_mirrors/lx/lxml

前言

在现代软件开发中，XML处理是一项常见而重要的任务。Python生态系统中，lxml库以其高效和易用性脱颖而出，成为处理XML和HTML文档的首选工具之一。本教程将深入介绍lxml.etree模块的核心功能，帮助开发者掌握XML文档的创建、解析和操作技巧。

环境准备

使用lxml前，首先需要导入etree模块：

from lxml import etree

为了编写兼容性更好的代码，可以考虑以下导入方式，当lxml不可用时回退到标准库的ElementTree：

try:
    from lxml import etree
except ImportError:
    import xml.etree.ElementTree as etree

Element类基础

创建元素

Element是XML树结构中的基本构建块，通过工厂函数创建：

root = etree.Element("root")

元素属性

元素标签名可通过tag属性访问：

print(root.tag)  # 输出: root

构建树结构

添加子元素有两种方式：

1. 使用append方法：

root.append(etree.Element("child1"))

2. 更高效的SubElement工厂方法：

child2 = etree.SubElement(root, "child2")

元素操作进阶

列表式访问

元素支持类似Python列表的操作方式：

first_child = root[0]  # 获取第一个子元素
child_count = len(root)  # 子元素数量

元素移动特性

与Python列表不同，lxml中的元素移动会改变其原始位置：

root[0] = root[-1]  # 移动最后一个元素到第一个位置

如需复制元素，需使用深拷贝：

from copy import deepcopy
new_element = deepcopy(existing_element)

元素关系查询

lxml提供了便捷的导航方法：

parent = child.getparent()  # 获取父元素
previous = element.getprevious()  # 前一个兄弟节点
next = element.getnext()  # 后一个兄弟节点

元素属性处理

属性设置与获取

属性可以通过多种方式操作：

# 创建时设置属性
root = etree.Element("root", interesting="totally")

# 后续操作
root.set("hello", "Huhu")
value = root.get("interesting")

属性字典

元素的attrib属性提供了字典接口：

attrs = root.attrib
print(attrs["hello"])  # 输出: Huhu

注意：attrib与元素本身是关联的，修改会相互影响。

文本内容处理

元素文本

元素可以包含文本内容：

root.text = "正文内容"

尾部文本

对于混合内容文档，使用tail属性：

br = etree.SubElement(body, "br")
br.tail = "换行后文本"

文本提取

提取纯文本内容的方法：

# 仅提取文本(包含tail)
all_text = etree.tostring(element, method="text")

# 使用XPath提取
text_list = element.xpath("//text()")

树遍历与迭代

文档顺序迭代

iter()方法提供了灵活的树遍历方式：

for element in root.iter():
    print(f"{element.tag} - {element.text}")

过滤迭代

可以指定标签名进行过滤：

for element in root.iter("child"):
    print(element.tag)

序列化输出

基本序列化

tostring()函数提供多种输出选项：

# 基本输出
xml_str = etree.tostring(root)

# 美化输出
pretty_xml = etree.tostring(root, pretty_print=True)

# 带XML声明
full_xml = etree.tostring(root, xml_declaration=True, encoding='UTF-8')

格式化控制

lxml 4.5+提供了indent()函数用于精确控制缩进：

etree.indent(root, space="  ")  # 使用两个空格缩进

最佳实践提示

1. 处理大型文档时考虑使用iterparse()进行增量解析
2. 需要频繁修改文档结构时，注意元素的移动特性
3. 混合内容文档(text和tail)需要特别注意文本处理
4. 使用XPath可以简化复杂的文档查询操作

通过掌握这些核心概念，开发者可以高效地使用lxml.etree处理各种XML文档操作任务，从简单的配置文件读写到复杂的文档处理都能得心应手。

lxml The lxml XML toolkit for Python 项目地址: https://gitcode.com/gh_mirrors/lx/lxml