Python 使用 ElementTree 解析 XML 文件

关于 XML 文件的简介，看看菜鸟就可以了，链接在此。

假设我们有个存放电影数据的 XML 文件：movies.xml，其内容如下：

    
        
            
                DVD
                1981
                PG
                
                'Archaeologist and adventurer Indiana Jones 
                is hired by the U.S. government to find the Ark of  the Covenant before the Nazis.'
                
            
               
               DVD,Online
               1984
               PG
               None provided.
            
            
               Blu-ray
               1985
               PG
               Marty McFly
            
        
        
            
               dvd, digital
               2000
               PG-13
               Two mutants come to a private academy for their kind whose resident superhero team must oppose a terrorist organization with similar powers.
            
            
               VHS
               1992
               PG13
               NA.
            
               
               Online
               1992
               R
               WhAtEvER I Want!!!?!
            
            
    

    
        
            
                DVD
                1979
                R
                """""""""
            
        
        
            
                DVD
                1986
                PG13
                Funny movie on funny guy 
            
            
                blue-ray
                2000
                Unrated
                psychopathic Bateman
            
        
    

可以看到，XML 文件是由多个被称为元素（Element）的东西组成的，每个元素都是有头有尾的，以 开头，以 结尾。可以把元素理解为树的一个个节点，每个元素主要有三个特征：
1、tag，标签，即 XML 文件中在括号里的，被标红色的部分，是个字符串；
2、atrrib，属性，即 XML 文件中在括号里的，被标黄色和绿色的部分，它们会组成一个字典 dict，黄色的就是 key，绿色的就是 value；
3、text，文本，即 XML 文件中不在括号里的，例如：

                ...
                
                'Archaeologist and adventurer Indiana Jones 
                is hired by the U.S. government to find the Ark of  the Covenant before the Nazis.'
                
                ...

使用 Python 解析 XML 文件十分简单，首先导入 ElementTree 库并且读入文件：

import xml.etree.ElementTree as ET
tree = ET.parse('movies.xml')
root = mytree.getroot()

此时查看 root，可以看到输出就是一个元素：

很简单地就可以找到元素的三个特征：

print(root.tag)
print(root.attrib)
print(root.text)
'''
collection
{}

'''

这表明该元素的 tag 为 collection，attrib 为空的字典，text 为空。

由于这个元素同时也相当于根节点，所以可以遍历它的子节点，有多种方法：

1、把元素看作是存放子节点的列表，直接索引

print(root[0])
print(root[0].tag)
print(root[0].attrib)
print(root[0].text)
'''

genre
{'category': 'Action'}

'''

print(root[0][0][0][3])
print(root[0][0][0][3].tag)
print(root[0][0][0][3].attrib)
print(root[0][0][0][3].text)
'''

description
{}

                'Archaeologist and adventurer Indiana Jones 
                is hired by the U.S. government to find the Ark of  the Covenant before the Nazis.'
'''

for 循环可以索引多个

for child in root:
    print(child.tag, child.attrib)
'''
genre {'category': 'Action'} 
genre {'category': 'Thriller'} 
'''

2、用 root.iter(tag)，可以遍历得到某个 tag 的所有元素

for movie in root.iter('movie'):
    print(movie.tag, movie.attrib)
'''
movie {'favorite': 'True', 'title': 'Indiana Jones: The raiders of the lost Ark'}
movie {'favorite': 'True', 'title': 'THE KARATE KID'}
movie {'favorite': 'False', 'title': 'Back 2 the Future'}
movie {'favorite': 'False', 'title': 'X-Men'}
movie {'favorite': 'True', 'title': 'Batman Returns'}
movie {'favorite': 'False', 'title': 'Reservoir Dogs'}
movie {'favorite': 'False', 'title': 'ALIEN'}
movie {'favorite': 'True', 'title': "Ferris Bueller's Day Off"}
movie {'favorite': 'FALSE', 'title': 'American Psycho'}
'''