尽管 xml.etree.ElementTree 库通常用来做解析工作,其实它也可以创建XML文档。 例如,考虑如下这个函数:
from xml.etree.ElementTree import Element def dict_to_xml(tag, d): \'\'\' Turn a simple dict of key/value pairs into XML \'\'\' elem = Element(tag) for key, val in d.items(): child = Element(key) child.text = str(val) elem.append(child) return elem
下面是一个使用例子:
>>> s = { \'name\': \'GOOG\', \'shares\': 100, \'price\':490.1 }
>>> e = dict_to_xml(\'stock\', s)
>>> e
>>>
转换结果是一个 Element 实例。对于I/O操作,使用 xml.etree.ElementTree 中的 tostring() 函数很容易就能将它转换成一个字节字符串。例如:
>>> from xml.etree.ElementTree import tostring >>> tostring(e) b\'\' >>> 490.1 100 GOOG
如果你想给某个元素添加属性值,可以使用 set() 方法:
>>> e.set(\'_id\',\'1234\') >>> tostring(e) b\'\' >>> 490.1 100 GOOG
如果你还想保持元素的顺序,可以考虑构造一个 OrderedDict 来代替一个普通的字典。当创建XML的时候,你被限制只能构造字符串类型的值。例如:
def dict_to_xml_str(tag, d):
\'\'\'
Turn a simple dict of key/value pairs into XML
\'\'\'
parts = [\'<{}>\'.format(tag)]
for key, val in d.items():
parts.append(\'<{0}>{1}{0}>\'.format(key,val))
parts.append(\'{}>\'.format(tag))
return \'\'.join(parts)
问题是如果你手动的去构造的时候可能会碰到一些麻烦。例如,当字典的值中包含一些特殊字符的时候会怎样呢?
>>> d = { \'name\' : \'\' }
>>> # String creation
>>> dict_to_xml_str(\'item\',d)
\' \'
>>> # Proper XML creation
>>> e = dict_to_xml(\'item\',d)
>>> tostring(e)
b\' \'
>>>
注意到程序的后面那个例子中,字符 ‘<\’ 和 ‘>\’ 被替换成了 < 和 >
下面仅供参考,如果你需要手动去转换这些字符, 可以使用 xml.sax.saxutils 中的 escape() 和 unescape() 函数。例如:
>>> from xml.sax.saxutils import escape, unescape >>> escape(\'\') \' \' >>> unescape(_) \' \' >>>
除了能创建正确的输出外,还有另外一个原因推荐你创建 Element 实例而不是字符串, 那就是使用字符串组合构造一个更大的文档并不是那么容易。 而 Element 实例可以不用考虑解析XML文本的情况下通过多种方式被处理。 也就是说,你可以在一个高级数据结构上完成你所有的操作,并在最后以字符串的形式将其输出。
利用命名空间解析XML文档
如果你解析这个文档并执行普通的查询,你会发现这个并不是那么容易,因为所有步骤都变得相当的繁琐。
>>> # Some queries that work >>> doc.findtext(\'author\') \'David Beazley\' >>> doc.find(\'content\')>>> # A query involving a namespace (doesn\'t work) >>> doc.find(\'content/html\') >>> # Works if fully qualified >>> doc.find(\'content/{http://www.w3.org/1999/xhtml}html\') >>> # Doesn\'t work >>> doc.findtext(\'content/{http://www.w3.org/1999/xhtml}html/head/title\') >>> # Fully qualified >>> doc.findtext(\'content/{http://www.w3.org/1999/xhtml}html/\' ... \'{http://www.w3.org/1999/xhtml}head/{http://www.w3.org/1999/xhtml}title\') \'Hello World\' >>>
你可以通过将命名空间处理逻辑包装为一个工具类来简化这个过程:
class XMLNamespaces:
def __init__(self, **kwargs):
self.namespaces = {}
for name, uri in kwargs.items():
self.register(name, uri)
def register(self, name, uri):
self.namespaces[name] = \'{\'+uri+\'}\'
def __call__(self, path):
return path.format_map(self.namespaces)
通过下面的方式使用这个类:
>>> ns = XMLNamespaces(html=\'http://www.w3.org/1999/xhtml\')
>>> doc.find(ns(\'content/{html}html\'))
>>> doc.findtext(ns(\'content/{html}html/{html}head/{html}title\'))
\'Hello World\'
>>>
讨论
解析含有命名空间的XML文档会比较繁琐。 上面的 XMLNamespaces 仅仅是允许你使用缩略名代替完整的URI将其变得稍微简洁一点。
很不幸的是,在基本的 ElementTree 解析中没有任何途径获取命名空间的信息。 但是,如果你使用 iterparse() 函数的话就可以获取更多关于命名空间处理范围的信息。例如:
>>> from xml.etree.ElementTree import iterparse >>> for evt, elem in iterparse(\'ns2.xml\', (\'end\', \'start-ns\', \'end-ns\')): ... print(evt, elem) ... endstart-ns (\'\', \'http://www.w3.org/1999/xhtml\') end end end end end end-ns None end end >>> elem # This is the topmost element >>>
最后一点,如果你要处理的XML文本除了要使用到其他高级XML特性外,还要使用到命名空间, 建议你最好是使用 lxml 函数库来代替 ElementTree 。 例如,lxml 对利用DTD验证文档、更好的XPath支持和一些其他高级XML特性等都提供了更好的支持。 这一小节其实只是教你如何让XML解析稍微简单一点。