xml 文档,无非就是一个树状的数据仓库,最基础的部分也就四个:增删改查。

解析树状结构

注意:xml.etree.ElementTree模块在应对恶意结构数据时显得并不安全。

1
2
3
4
5
6
7
from xml.etree import ElementTree

# import data from our dataset
tree = ElementTree.parse([path of xml file])

# pick the root of xml tree
root = tree.getroot()

注意:从字符串读取时不需要parse,因为fromstring直接返回的就是我们的root节点。

1
2
3
4
from xml.etree import ElementTree

# pick the root of xml tree
root = ElementTree.fromstring(country_data_as_string)

其中,tree比较好理解,就是我们的xml文件的树。root也就是我们的根节点。

root属于element对象,有以下几个属性:

  1. tag:string对象,表示数据代表的种类。
  2. attrib:dictionary对象,表示附有的属性。
  3. text:string对象,表示element的内容。
  4. tail:string对象,表示element闭合之后的尾迹。
  5. 若干子元素(child elements)。这些子元素可以通过index索引。
1
2
<tag attrib1=1>text</tag>tail
1 2 3 4

小技巧:若想加快速度,可以使用C语言编译的API xml.etree.cElementTree。在import时考虑优先导入,代码修改如下。

1
2
3
4
try:
import xml.etree.cElementTree as ET
except ImportError:
import xml.etree.ElementTree as ET

ElementTree.Element Class

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
class xml.etree.ElementTree.Element(tag, attrib={}, **extra)

# 属性
tagstring,元素代表的数据种类。
attribdictionary,元素的属性字典。
textstring,元素的内容。
tailstring,元素的尾形。

# 针对属性的操作
clear():清空元素的后代、属性、texttail也设置为None
get(key, default=None):获取key对应的属性值,如该属性不存在则返回default值。
items():根据属性字典返回一个列表,列表元素为(key, value)。
keys():返回包含所有元素属性键的列表。
set(key, value):设置新的属性键与值。

# 针对后代的操作
## 增加新的element
append(subelement):添加直系子元素。
extend(subelements):增加一串元素对象作为子元素。
insert(index, element):在指定位置插入子元素。

## 删除element
remove(subelement):删除子元素。

## 遍历elements,得到iter或者list
find(match):寻找第一个匹配子元素,匹配对象可以为tagpath
findall(match):寻找所有匹配子元素,匹配对象可以为tagpath
findtext(match):寻找第一个匹配子元素,返回其text值。匹配对象可以为tagpath
iter(tag=None):生成遍历当前元素所有后代或者给定tag的后代的迭代器。
iterfind(match):根据tagpath查找所有的后代。
itertext():遍历所有后代并返回text值。

ElementTree Object

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
class xml.etree.ElementTree.ElementTree(element=None, file=None)
element如果给定,则为新的ElementTree的根节点。

_setroot(element):用给定的element替换当前的根节点。慎用。
getroot():获取根节点。

parse(source, parser=None):装载xml对象,source可以为文件名或文件类型对象。

# 写回方法write
write(file, encoding="us-ascii", xml_declaration=None, default_namespace=None,method="xml")

# 以下方法与Element类中同名方法近似,区别在于它们指定以根节点作为操作对象。
find(match)
findall(match)
findtext(match, default=None)
iter(tag=None)
iterfind(match)

增删改查

我思考了一下,面向对象的方法更容易思考,也更容易整理思路。在实际使用的时候要把上面的这些作为某一个xml文件对象的方法然后整理成一个单独的Class。

AI-tuner 小项目中的实际应用:

1
2
class xmlResolver(xmlFilePath)
xmlWri

Python 面向对象回顾

方法

self 代表类的实例,self 在定义类的方法时是必须有的,虽然在调用时不必传入相应的参数。

init()方法是一种特殊的方法,被称为类的构造函数或初始化方法,当创建了这个类的实例时就会调用该方法。

类的内置属性

dict : 类的属性(包含一个字典,由类的数据属性组成)

doc :类的文档字符串

name: 类名

module: 类定义所在的模块(类的全名是’main.className’,如果类位于一个导入模块mymod中,那么className.module 等于 mymod)

bases : 类的所有父类构成元素(包含了一个由所有父类组成的元组)

子类父类

1
2
class 派生类名(基类名)
...

注意:python允许多父类继承,叫做多重继承。

然后方法重写的概念在python中是指子类重写父类的方法,这一点和Java有出入。

基础的重载方法

序号 方法 描述 简单应用
1 init ( self [,args…] ) 构造函数 简单的调用方法: obj = className(args)
2 del( self ) 析构方法, 删除一个对象 简单的调用方法 : del obj
3 repr( self ) 转化为供解释器读取的形式 简单的调用方法 : repr(obj)
4 str( self ) 用于将值转化为适于人阅读的形式 简单的调用方法 : str(obj)
5 cmp ( self, x ) 对象比较 简单的调用方法 : cmp(obj, x)

私有类方法

__private_method:两个下划线开头,声明该方法为私有方法,不能在类的外部调用。在类的内部调用 self.__private_methods

单下划线、双下划线、头尾双下划线说明

foo: 定义的是特殊方法,一般是系统定义名字 ,类似 init() 之类的。

_foo: 以单下划线开头的表示的是 protected 类型的变量,即保护类型只能允许其本身与子类进行访问,不能用于 from module import *

__foo: 双下划线的表示的是私有类型(private)的变量, 只能是允许这个类本身进行访问了。

参考资料

  1. Python 标准库之 xml.etree
  2. Python 面向对象