
Python中有多种xml处理API,常用的有xml.dom.*模块、xml.sax.*模块、xml.parser.expat模块和xml.etree.ElementTree模块(以下简称ET)。本文将主要介绍ET的使用,以及它的常用函数。其它模块的简介,请参照文献[1]。
ET使用Element表示xml中的节点、文本、注释等。其主要属性如下:
tag:string对象,表示数据代表的种类,当为节点时为节点名称。
text:string对象,表示element的内容。
attrib:dictionary对象,表示附有的属性。
tail:string对象,表示element闭合之后的尾迹。 若干子元素(child elements)。
<tag attrib1=1>text</tag>tail 1 3 2 4
PS: ET模块对于那些恶意构造的数据并不是安全的,如果需要解析数据最好了一下xml的弱点[2]
在Python标准库中,ElementTree有两种实现方式:一种是纯Python的实现xml.etree.ElementTree,另一种是速度更快一点的xml.etree.cElementTree。如果不确定环境中是否有cElementTree,可以使用如下的方式导入:

但从Python 3.3开始,会默认使用cElementTree来加快速度,但是之前的版本最好使用如上的代码,以提高代码的兼容性。
假设我们现在有如下的xml

有两种方式可以解析xml
1. 从文件中解析xml文件

2. 从内存字符串中解析xml

其中第二种方式可以直接过去根节点。

或者直接使用索引寻找子节点:

或者使用xpath方式进行遍历,但其支持部分xpath方法,其支持的xpath请参照[4]

如下的程序将从xml文件中一边读入xml一边解析,并将在遇到标签开始或标签结束的时候返回相应的事件。

这个程序将在检查到标签结束的时候,对指定的标签进行计数。最后的elem.clear()保证了,在解析的之后尽快地释放内存。


1. 创建一个特别的element,通过标准序列化使其代表了一个comment。comment可以为bytestring或unicode。
ET.Comment(text=None)
2. 生成一个element tree,通过sys.stdout输出,elem可以是元素树或单个元素。这个方法最好只用于debug。
ET.dump(elem)
3. text是一个包含XML数据的字符串,与XML()方法类似,返回一个Element实例。
ET.fromstring(text)
4. 从字符串的序列对象中解析xml文档。缺省parser为XMLParser,返回Element实例。V2.7中新加属性
ET.fromstringlist(sequence, parser=None)
5. 检查是否是一个element对象。
ET.iselement(element)
6. 将文件或包含xml数据的文件对象递增解析为element tree,并且报告进度。events是一个汇报列表,如果忽略,将只有end事件会汇报出来。
注意,iterparse()只会在看见开始标签的">"符号时才会抛出start事件,因此届时属性是已经定义了,但是text和tail属性在那时还没有定义,同样子元素也没有定义,因此他们可能不能被显示出来。如果你想要完整的元素,请查找end事件。
ET.iterparse(source, events=None, parser=None)
7. 将一个文件或者字符串解析为element tree。
ET.parse(source, parser=None)
8. 这个方法会创建一个特别的element,该element被序列化为一个xml处理命令。
ET.ProcessingInstruction(target, text=None)
9. 注册命名空间前缀。这个注册是全局有效,任何已经给出的前缀或者命名空间uri的映射关系会被删除。 V2.7新加属性
ET.register_namespace(prefix, uri)
10. 子元素工厂,创建一个Element实例并追加到已知的节点。
ET.SubElement(parent, tag, attrib={}, **extra)
11. 生成一个字符串来表示表示xml的element,包括所有子元素。element是Element实例,method为"xml", "html", "text"。 返回包含了xml数据的字符串。
ET.tostring(element, encoding="us-ascii", method="xml")
12. 生成一个字符串来表示表示xml的element,包括所有子元素。element是Element实例,method为"xml","html","text"。返回包含了xml数据的字符串列表。V2.7新添加属性
ET.tostringlist(element, encoding="us-ascii", method="xml")
13. 从一个字符串常量中解析出xml片段。返回Element实例。
ET.XML(text, parser=None)
14. 从字符串常量解析出xml片段,同时返回一个字典,用以映射element的id到其自身。
ET.XMLID(text, parser=None)