Python：用 ElementTree工具解析Maven，Pom.xml文件

ElementTree优点：

• 轻量级的 Python 式的 API ，它由一个 C 实现来提供，速度快。http://effbot.org/zone/celementtree.htm
• DOM 将整个 XML 加载进内存并且允许随机访问任何深度地元素。ET 没有必要加载整个文档到内存.
• ET 的性能的平均值和 SAX 差不多，但是 API 的效率更高一点，更方便使用。 

Python 标准库中有两种实现ElementTree:

• 纯 Python 实现例如 xml.etree.ElementTree 
  
• 速度快一点的C实现的 xml.etree.cElementTree 
  

例子：pom.xml

<span style="font-weight: normal;"><?xml version="1.0" encoding="utf-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">
	<modelVersion>4.0.0</modelVersion>
	<groupId>com.china</groupId>
	<artifactId>shanghai</artifactId>
	<version>1.1.1.20141031</version>
		<properties>
		<package.id>1</package.id>
		<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
		</properties>
	
   <dependencies>
	
		<dependency>
			<groupId>groupid1</groupId></span>
<span style="white-space:pre">			</span><artifactId>artifactId1</artifactId>	
			<version>1.1.1.20150130-SNAPSHOT</version>
		</dependency>

		<dependency>
			<groupId>groupid2 </groupId>
			<artifactId> artifactId2</artifactId>
			<version>1.1.2.20150130-SNAPSHOT</version>
		</dependency>
		<dependency>
			<groupId>groupid3 </groupId>
			<artifactId> artifactId3</artifactId>
			<version>1.1.3.20150130-SNAPSHOT</version>
  </dependency>
</project></span>

解析：

方法一：从硬盘文件中读取

<span style="font-weight: normal;">tree = ET.parse(POM_PATH)
root = tree.getroot()</span>

方法二：从string 中读取数据

<span style="font-weight: normal;">root = ET.fromstring(country_data_as_string)</span>

XML 是一种分级的数据形式，所以最自然的表示方法是将它表示为一棵树。ET 有两个对象来实现这个目的 － ElementTree 将整个 XML 解析为一棵树， Element 将单个结点解析为树.

每个Element包含：

• tag : 字符串类型，代表Element 的类型，比如<groupId> 
• atrributes :以python 字典方式存储，比如根节点的 xmlns 属性。可用 Element.get() 获取，Element.set() 修改
• text : 节点内容
• an optionaltail string
  
• number of child elements :存储在Python 队列中

<span style="font-weight: normal;">for child in root:
    print child.tag
    print child.attrib</span>

结果：

{http://maven.apache.org/POM/4.0.0}modelVersion
{}
{http://maven.apache.org/POM/4.0.0}groupId
{}
{http://maven.apache.org/POM/4.0.0}artifactId
{}
{http://maven.apache.org/POM/4.0.0}version
{}
{http://maven.apache.org/POM/4.0.0}properties
{}
{http://maven.apache.org/POM/4.0.0}dependencies
{}

查找：

方法一：Element和 ElementTree 对象有一个 iter 方法可以对子结点进行深度优先遍历。  find()返回所查找tag的第一个值

for child in root.iter('%sdependency' %(POM_NS)):
    print child.find('$sgroupId' %POM_NS).text

方法二：

Element.findall() finds only elements with a tag which are direct children of the current element. 

Element.find() finds the first child with a particular tag,

for child in root.findall('%sdependency' %(POM_NS)):
    print child.find('%sgroupId' %POM_NS).text

# 命名空间
POM_NS = "{http://maven.apache.org/POM/4.0.0}"

关于命名空间，stackoverflower讨论 http://stackoverflow.com/questions/14853243/parsing-xml-with-namespace-in-python-elementtree

结果：

groupid1
groupid2 
groupid3 

修改：
ElementTree.write() 提供很便利的服务,下面代码修改<package.id>的值，加1，并增加属性'updateed'后写回文件

for id in root.iter('%spackage.id' % (POM_NS)):
    print id.text
    new_id = int(id.text) + 1
    id.text = str(new_id)
    id.set('updateed', 'yes')
tree.write(POM_PATH)</span>

print:  1

打开Pom.xml看到这行发生变化： <package.id updateed="yes">2</package.id> 

删除：

 Element.remove() 方法

增加：

SubElement() 方法

官网代码

>>> a = ET.Element('a')
>>> b = ET.SubElement(a, 'b')
>>> c = ET.SubElement(a, 'c')
>>> d = ET.SubElement(c, 'd')
>>> ET.dump(a)
<a><b /><c><d /></c></a>

代码：

<span style="font-weight: normal;"># -*- coding:utf-8 -*-
try:
    import xml.etree.cElementTree as ET
except ImportError:
    import xml.etree.ElementTree as ET

# 命名空间
POM_NS = "{http://maven.apache.org/POM/4.0.0}"
# POM文件路径
POM_PATH = "D:\\pom.xml"

tree = ET.parse(POM_PATH)
root = tree.getroot()

for child in root:
    print child.tag
print child.attrib

for child in root.iter('%sdependency' % (POM_NS)):
    print child.find('%sgroupId' % POM_NS).text

for child in root.findall('%sdependency' % (POM_NS)):
    print  child.find('%sgroupId' % POM_NS).text

for id in root.iter('%spackage.id' % (POM_NS)):
    print id.text
    new_id = int(id.text) + 1
    id.text = str(new_id)
    id.set('updateed', 'yes')
tree.write(POM_PATH)
</span>

参考：

python 脚本读取maven pom http://sujitpal.blogspot.com/2009/07/python-script-to-read-maven-xml.html

用 ElementTree 在 Python 中解析 XML http://pycoders-weekly-chinese.readthedocs.org/en/latest/issue6/processing-xml-in-python-with-element-tree.html