Python利用ElementTree库处理XML的完全指南

import xml.etree.ElementTree as ET

# 创建元素
root = ET.Element("catalog")

# 核心属性：
print(root.tag)       # 元素名称 → 'catalog'
print(root.attrib)    # 属性字典 → {}
print(root.text)      # 文本内容 → None
print(root.tail)      # 尾部文本 → None
print(len(root))      # 子元素数量 → 0

# 添加子元素
book = ET.SubElement(root, "book", id="101")

# 设置属性
book.set("category", "编程")  # 添加/修改属性

# 查找元素
found_book = root.find("book")  # 查找第一个匹配的子元素
all_books = root.findall("book")  # 查找所有匹配的子元素

# 迭代元素
for child in root.iter("book"):
    print(child.tag, child.attrib)

# 创建XML树
tree = ET.ElementTree(root)

# 文件操作
tree.write("books.xml")  # 写入文件
tree = ET.parse("books.xml")  # 解析文件
root = tree.getroot()  # 获取根元素

# 文件解析差异
xml_string = "<root><a>文本</a></root>"
root_from_string = ET.fromstring(xml_string)  # 从字符串解析

# 查找所有作者
authors = root.findall(".//author")  # 所有层级查找

# 属性查询
python_books = root.findall(".//book[contains(@category, '编程')]")

# 组合查询
books = root.findall(".//book[price>50]")

# 1. 创建根元素
root = ET.Element("bookstore")

# 2. 添加子元素和属性
book = ET.SubElement(root, "book", lang="zh")
ET.SubElement(book, "title").text = "Python设计模式"

# 3. 添加属性
price = ET.SubElement(book, "price")
price.text = "59.99"
price.set("currency", "CNY")

# 4. 创建XML树并保存
tree = ET.ElementTree(root)
tree.write("bookstore.xml", encoding="utf-8", xml_declaration=True)

# 解析XML文件
tree = ET.parse("bookstore.xml")
root = tree.getroot()

# 遍历解析结果
for book in root.findall("book"):
    print(f"语言: {book.get('lang')}")
    title = book.find("title").text
    price = book.find("price").text
    print(f"  {title} - {price}元")

# 输出：
# 语言: zh
#   Python设计模式 - 59.99元

# 添加新元素
new_book = ET.SubElement(root, "book")
ET.SubElement(new_book, "title").text = "流畅的Python"

# 修改文本内容
for price in root.iter("price"):
    if float(price.text) < 60:
        price.text = str(float(price.text) * 1.1)  # 提价10%

# 删除元素
for book in root.findall("book"):
    if "设计模式" in book.find("title").text:
        root.remove(book)  # 删除匹配元素

# 添加父元素
new_root = ET.Element("bookstore")
new_root.append(root)  # 将原有树附加为新子树

# 多条件查询
bargain_books = root.findall(".//book[price<50 and contains(@category, '促销')]")

# 位置索引
second_book = root.findall(".//book[2]")  # 第二个book元素

# 通配符使用
all_elements = root.findall(".//*")  # 获取所有元素

# 文本内容查询
python_titles = root.findall(".//title[contains(text(), 'Python')]")

# 带命名空间的XML
xml_data = """
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" version="2.0">
    <channel>
        <dc:creator>张三</dc:creator>
    </channel>
</rss>
"""

# 命名空间处理策略
root = ET.fromstring(xml_data)

# 方法1：全名表示
namespace = "{http://purl.org/dc/elements/1.1/}"
creator = root.find(f".//channel/{namespace}creator")

# 方法2：注册命名空间映射
ns = {'dc': 'http://purl.org/dc/elements/1.1/'}
creator = root.find(".//channel/dc:creator", namespaces=ns)
print(creator.text)  # 输出: 张三

# 自动化提取命名空间
ET.register_namespace('dc', 'http://purl.org/dc/elements/1.1/')

# 自动注册的命名空间可用于查找
creator = root.find("dc:creator", namespaces=ns)

# 增量解析大文件
context = ET.iterparse("large_file.xml", events=("start", "end"))

for event, elem in context:
    if event == "end" and elem.tag == "book":
        print(elem.find("title").text)
        elem.clear()  # 释放内存

# 手动清除内存
root.clear()  # 清除整个元素树

# XML美化输出
def indent(elem, level=0):
    indent_str = "\n" + level*"  "
    if len(elem):
        if not elem.text or not elem.text.strip():
            elem.text = indent_str + "  "
        for child in elem:
            indent(child, level+1)
        elem.tail = indent_str

indent(root)
tree.write("beautified.xml")

# 错误处理实践
try:
    tree = ET.parse("invalid.xml")
except ET.ParseError as e:
    print(f"XML解析错误: {e.msg} 位置: {e.position}")

def parse_rss_feed(url):
    import requests
    from datetime import datetime
    
    response = requests.get(url)
    root = ET.fromstring(response.content)
    
    # 处理命名空间
    ns = {
        'atom': 'http://www.w3.org/2005/Atom',
        'dc': 'http://purl.org/dc/elements/1.1/'
    }
    
    # 构建结果结构
    result = {
        'title': root.find("./channel/title").text,
        'items': []
    }
    
    # 解析每篇文章
    for item in root.findall("./channel/item"):
        # 日期处理
        date_str = item.find("dc:date", ns).text
        pub_date = datetime.fromisoformat(date_str) if date_str else None
        
        entry = {
            'title': item.find("title").text,
            'link': item.find("link").text,
            'date': pub_date,
            'categories': [cat.text for cat in item.findall("category")]
        }
        result['items'].append(entry)
    
    return result

# 使用示例
if __name__ == "__main__":
    feed = parse_rss_feed("https://pycoders.com/feed.xml")
    print(f"最新文章: {feed['items'][0]['title']}")
    print(f"发布日期: {feed['items'][0]['date'].strftime('%Y-%m-%d')}")