锐单电子商城 ， 一站式电子元器件采购平台！

  • 电话：400-990-0325

购物车

xml和lxml库

时间：2023-01-16 01:30:00 80f薄膜电容

xml

XML 用于传输和存储数据。

HTML 用于显示数据的设计。

什么是 XML

XML 树结构

XML 文档使用简单的自我描述语法：

第一行是 XML 声明。它的定义 XML 的版本（1.0)以及使用的编码   根元素 <note>   4 行描述根的 4 个子元素 <to>Toveto> <from>Janifrom> <heading>Reminderheading> <body>Don't forget me this weekend!body>  note>

XML 文件形成树结构

XML 文档必须包含根元素。这个元素是所有其他元素的父元素。

XML 文档中的元素形成了一棵文档树。树从根开始，扩展到树的底部。

所有元素都可以有子元素：

<root> <child> <subchild>...subchild> child> <child> <subchild>...subchild> child> <child> <subchild>...subchild> child> <child> <subchild>.....subchild>
child>
root>

在这里插入图片描述

xml语法

  1. XML 文档必须有根元素
  2. XML 声明
    XML 声明文件的可选部分，如果存在需要放在文档的第一行
  3. 所有的 XML 元素都必须有一个关闭标签（声明不是 XML 文档本身的一部分，它没有关闭标签。）
  4. XML 标签对大小写敏感
  5. XML 必须正确嵌套
  6. XML 属性值必须加引号
  7. 特殊字符
    < < less than
    > > greater than
    & & ampersand
    ' ' apostrophe
    " " quotation mark
    在 XML 中，只有字符 "<" 和 "&" 确实是非法的。大于号是合法的，但是用实体引用来代替它是一个好习惯。
  8. XML 中的注释
  9. 在 XML 中，空格会被保留。在 XML 中，文档中的空格不会被删减。

XML 元素

一个元素可以包含：

  • 其他元素
  • 文本
  • 属性

XML 命名规则

XML 元素必须遵循以下命名规则：

  • 名称可以包含字母、数字以及其他的字符
  • 名称不能以数字或者标点符号开始
  • 名称不能以字母 xml（或者 XML、Xml 等等）开始
  • 名称不能包含空格

可使用任何名称，没有保留的字词。

XML 属性

属性难以阅读和维护。请尽量使用元素来描述数据。而仅仅使用属性来提供与数据无关的信息。

XML 命名空间

在 XML 中，元素名称是由开发者定义的，当两个不同的文档使用相同的元素名时，就会发生命名冲突。
假设两个文档都有

这个标签，又同时使用两个文档就会出现冲突。

使用前缀来避免命名冲突

<h:table>
<h:tr>
<h:td>Applesh:td>
<h:td>Bananash:td>
h:tr>
h:table>

<f:table>
<f:name>African Coffee Tablef:name>
<f:width>80f:width>
<f:length>120f:length>
f:table>

XML 命名空间 - xmlns 属性

命名空间是在元素的开始标签的 xmlns 属性中定义的。

xmlns:前缀=“URI”。

<root xmlns:h="http://www.w3.org/TR/html4/" xmlns:f="http://www.w3cschool.cc/furniture">

<h:table>
<h:tr>
<h:td>Applesh:td>
<h:td>Bananash:td>
h:tr>
h:table>

<f:table>
<f:name>African Coffee Tablef:name>
<f:width>80f:width>
<f:length>120f:length>
f:table>

root>

默认的命名空间

xmlns="namespaceURI"

<table xmlns="http://www.w3.org/TR/html4/">
<tr>
<td>Applestd>
<td>Bananastd>
tr>
table>

lxml和xml库

  1. xml是自带的，纯python的，速度慢
  2. lxml是第三方的，基于Cython的，速度快

lxml

pip install lxml

xpath常用表达式

 表达式  描述
 nodename  选取此节点的所有子节点
 /  从当前节点选取直接子节点
 //  从当前节点选取子孙节点
 .  选取当前节点
 ..  选取当前节点的父节点
 @  选取属性
 *  通配符，选择所有元素节点与元素名
 @*  选取所有属性
 [@attrib]  选取具有给定属性的所有元素
 [@attrib='value']  选取给定属性具有给定值的所有元素
 [tag]  选取所有具有指定元素的直接子节点
 [tag='text']  选取所有具有指定元素并且文本内容是text节点

使用

  1. lxml.etree.HTML(html_str)方法可以自动补全不完整的标签。
  2. lxml.etree.XML(xml_str)同理
  3. fromstring、XML、HTML、parse：返回的是一个Element对象，是一个节点，主要用于解析文档碎片
  4. parse()： 返回值是一个ElementTree类型的对象，完整的xml树结构，parse主要用来解析完整的文档，而不是Element对象。

结点操作

创建节点
root = etrre.Element('root')

获取节点名称
print(root.tag)

添加子节点
child_sub = etree.SubElement(root, 'child_sub')
或
child_append = etree.Element('child_append')
root.append(child_append)
或
root.insert(0, child_append)

删除子节点
root.remove(child_sub)  # 删除名字为child_sub节点
root.clear()  # 清空root的所有子节点

访问节点
child_sub = root[0]  # 通过下标来访问子节点
child_sub = root[0: 1][0]  # 通过切片的方式来访问节点

for c in root:  # 通过遍历来获取所有节点
    print(c.tag)
    
c_append_index = root.index(child_append)  # 获取节点的索引
print(len(root))  # 获取子节点的数量
print(child_sub.getparent().tag)  # 查询父节点
print(root.getchildren())  # 查询所有子节点
print(root.getroot())  # 获取根节点
print(root.find('b'))  # 查询第一个b标签
print(root.findall('.//b'))  # 查询所有b标签

属性操作

创建属性
root = etree.Element('root', language='中文')  # 创建节点时创建属性
root.set('hello', 'python')  # 使用set方法为root节点添加属性

获取属性
print(root.get('language'))  # 使用get方法获取属性
print(root['language'])
print(root.keys())
print(root.values())
print(root.items())

修改属性
root['language'] = 'English'

文本操作

  1. 在lxml中访问xml文本的方式有多种，可以使用text、tail属性的方式访问文本，也可以使用xpath语法访问文本。
  2. text属性用于成对便签的读取和设置
  3. tail属性用于单一标签的读取和设置

xml文件序列化

# 创建xml文本
root = 'data'

# 将节点（Element对象）转为ElementTree对象。
tree = etree.ElementTree(root)
tree.write('text.xml', pretty_print=True, xml_declartion=True, encoding='utf-8')

命名空间处理

from lxml import etree

str_xml = """  dataB1 dataB2 datac  """

xml = etree.fromstring(str_xml)  # 解析字符串
ns = xml.nsmap  # 获取命名空间map(dict)
print(ns)
print(ns[None])

>>> { 
        None: 'http://This/is/a/namespace'}
>>> http://This/is/a/namespace

xpath

html = etree.HTML(text)  # 也可以使用XML和fromstring方法

# 获取所有的class属性为item-1的href属性
href_list = html.xpath('//li[@class="item-1"]/a/@href')
# 获取所有的class属性为item-1的text内容
text_list = html.xpath('//li[@class="item-1"]/a/text()')
  • 返回空列表：根据xpath语法规则字符串，没有定位到任何元素
  • 返回由字符串构成的列表：xpath字符串规则匹配的一定是文本内容或某属性的值
  • 返回由Element对象构成的列表：xpath规则字符串匹配的是标签，列表中的Element对象可以继续进行xpath
锐单商城拥有海量元器件数据手册、IC替代型号，打造电子元器件IC百科大全！

相关文章