1. xml.etree.ElementTree XML操纵API

ElementTree库提供了一些工具，可以使用基于事件和基于文档的API来解析XML，可以用XPath表达式搜索已解析的文档，还可以创建新文档或修改现有文档。

1.1 解析XML文档

已解析的XML文档在内存中由ElementTree和Element对象表示，这些对象基于XML文档中节点嵌套的方式按树结构互相连接。

用parse()解析一个完整的文档时，会返回一个ElementTree实例。这个树了解输入文档中的所有数据，另外可以原地搜索或操纵树中的节点。基于这种灵活性，可以更方便的处理已解析的文档，不过，与基于事件的解析方法相比，这种方法往往需要更多的内存，因为必须一次加载整个文档。

对于简单的小文档(如下面的播客列表，被表示为一个OPML大纲)，内存需求不大。

podcasts.opml：

My Podcasts

Sat, 06 Aug 2016 15:53:26 GMT

Sat, 06 Aug 2016 15:53:26 GMT

text="99% Invisible"type="rss"

xmlUrl="http://feeds.99percentinvisible.org/99percentinvisible"

htmlUrl="http://99percentinvisible.org"/>

text="Talk Python to Me"type="rss"

xmlUrl="https://talkpython.fm/episodes/rss"

htmlUrl="https://talkpython.fm"/>

text="Podcast.__init__"type="rss"

xmlUrl="http://podcastinit.podbean.com/feed/"

htmlUrl="http://podcastinit.com"/>

要解析这个文档，需要向parse()传递一个打开的文件句柄。

fromxml.etreeimportElementTree

withopen('podcasts.opml','rt')asf:

tree=ElementTree.parse(f)

print(tree)

这个方法会读取数据、解析XML，并返回一个ElementTree对象。

1.2 遍历解析树

要按顺序访问所有子节点，可以使用iter()创建一个生成器，该生成器迭代处理这个ElementTree实例。

fromxml.etreeimportElementTree

withopen('podcasts.opml','rt')asf:

tree=ElementTree.parse(f)

fornodeintree.iter():

print(node.tag)

这个例子会打印整个树，一次打印一个标记。

如果只是打印播客的名字组和提要URL，则可以只迭代处理outline节点(而不考虑首部中的所有数据)，并且通过查找attrib字典中的值来打印text和xmlUrl属性。

fromxml.etreeimportElementTree

withopen('podcasts.opml','rt')asf:

tree=ElementTree.parse(f)

fornodeintree.iter('outline'):

name=node.attrib.get('text')

url=node.attrib.get('xmlUrl')

ifnameandurl:

print('%s'%name)

print('%s'%url)

else:

print(name)

iter()的'outline'参数意味着只处理标记为'outline'的节点。

1.3 查找文档中的节点

查看整个树并搜索有关的节点可能很容易出错。前面的例子必须查看每一个outline节点，来确定这是一个组(只有一个text属性的节点)还是一个播客(包含text和xmlUrl的节点)。要生成一个简单的播客提要URL列表而不包含名字或组，可以简化逻辑，使用findall()来查找有更多描述性搜索特性的节点。

对以上第一个版本做出第一次修改，用一个XPath参数来查找所有outline节点。

fromxml.etreeimportElementTree

withopen('podcasts.opml','rt')asf:

tree=ElementTree.parse(f)

fornodeintree.findall('.//outline'):

url=node.attrib.get('xmlUrl')

ifurl:

print(url)

这个版本中的逻辑与使用getiterator()的版本并没有显著区别。这里仍然必须检查是否存在URL，只不过如果没有发现URL，它不会打印组名。

outline节点只有两层嵌套，可以利用这一点，把搜索路径修改为.//outline/outline，这意味着循环只处理outline节点的第二层。