Python3 XML 解析

Python3 学习笔记 · 整理自菜鸟教程

一句话

XML 是标记语言，Python 用标准库 xml.dom.minidom、xml.sax、xml.etree.ElementTree（常用）解析 XML 文档，读取和生成 XML 数据。

要点

  • XML 结构：声明 + 根元素 + 子元素 + 属性 + 文本，标签成对，区分大小写。
  • 三种解析方式：
    • SAX：事件驱动流式解析，占用内存小，适合大文件，但只能向前读、不能回溯。
    • DOM：一次性载入构建树，可任意读写，简单直观但大文件占内存。
    • ElementTree：介于两者之间，轻量树形 API，日常最常用。
  • ElementTree 用法：parse/fromstring 得到根 Element，find/findall 按路径找子元素，iter 遍历所有元素，.text 取文本，.attrib 取属性。
  • 也可用第三方库 lxml（更快、支持 XPath），需要 pip install lxml。

语法 / 常用方法

语法/方法 说明 示例
xml.etree.ElementTree.parse(file) 解析 XML 文件，返回 ElementTree tree = ET.parse('data.xml')
tree.getroot() 获取根元素 root = tree.getroot()
ET.fromstring(xml_str) 从字符串解析，返回根元素 root = ET.fromstring(xml_str)
elem.tag / elem.text / elem.attrib 标签名 / 文本 / 属性字典 elem.tag、elem.get('id')
elem.find('子标签') 找第一个匹配的直接子元素 elem.find('name')
elem.findall('子标签') 找所有匹配子元素 elem.findall('item')
elem.iter('标签') 递归遍历所有匹配元素 for e in root.iter('price')
elem.get('属性名', default) 取元素属性 elem.get('id')
ET.Element('标签') 创建新元素 item = ET.Element('item')
ET.SubElement(parent, '标签') 创建子元素 ET.SubElement(item, 'name')
elem.set('attr', value) / elem.text = ... 设置属性 / 文本 item.set('id','1')
ET.tostring(elem, encoding='utf-8') 序列化为字节 data = ET.tostring(root, encoding='utf-8')
ET.indent(tree) 美化缩进（Python 3.9+） ET.indent(tree)
minidom.parse(file) / .getElementsByTagName('tag') DOM 解析 / 按标签取节点 doc.getElementsByTagName('name')[0].firstChild.data

代码示例

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
32
33
34
35
36
37
38
39
40
41
import xml.etree.ElementTree as ET

xml_data = '''<?xml version="1.0" encoding="utf-8"?>
<bookstore>
    <book category="python">
        <title>Python 入门</title>
        <price>59.9</price>
    </book>
    <book category="web">
        <title>HTML 教程</title>
        <price>39.9</price>
    </book>
</bookstore>
'''

# 1. 从字符串解析
root = ET.fromstring(xml_data)
print('根标签:', root.tag)

# 2. 遍历所有 book
for book in root.findall('book'):
    title = book.find('title').text
    price = book.find('price').text
    cat = book.get('category')          # 取属性
    print(f'{title} ({cat}) ￥{price}')

# 3. 递归找所有 price 文本
prices = [e.text for e in root.iter('price')]
print('所有价格:', prices)

# 4. 创建并写出新 XML
new_root = ET.Element('shop')
item = ET.SubElement(new_root, 'item')
item.set('id', '1')
ET.SubElement(item, 'name').text = '笔记本'
ET.SubElement(item, 'qty').text = '10'

tree = ET.ElementTree(new_root)
ET.indent(tree)                         # 美化（Python 3.9+）
tree.write('shop.xml', encoding='utf-8', xml_declaration=True)
print(ET.tostring(new_root, encoding='unicode'))

易错点

  • find/findall 只找直接子元素，深层匹配要用 iter 或 XPath 路径（如 find('.//price')）。
  • 属性要用 get('attr')，不是 .text；文本在 .text 里，属性在 .attrib 里，别搞混。
  • XML 大小写敏感，<Book> 和 <book> 是两个标签。
  • 解析外部输入时要防 XXE 漏洞，避免解析不可信含外部实体的 XML。
  • 写中文 XML 记得 encoding='utf-8'，否则报错或乱码。
  • findall 返回空列表表示没匹配，find 返回 None，先判空再取 .text 否则抛 AttributeError。