Python案例如何解析XML文件？

本文目录导读：

1. 使用xml.etree.ElementTree（推荐）
2. 使用lxml库（功能更强大）
3. 完整实用案例：XML数据处理
4. 处理大型XML文件

我来详细介绍Python解析XML文件的几种常用方法,并提供具体案例。

使用xml.etree.ElementTree（推荐）

这是Python标准库中最常用的XML解析方法。

示例XML文件（books.xml）：

<?xml version="1.0" encoding="UTF-8"?>
<library>
    <book id="1" category="编程">
        <title>Python编程从入门到实践</title>
        <author>Eric Matthes</author>
        <price>89.00</price>
        <year>2020</year>
    </book>
    <book id="2" category="编程">
        <title>流畅的Python</title>
        <author>Luciano Ramalho</author>
        <price>139.00</price>
        <year>2021</year>
    </book>
    <book id="3" category="数据科学">
        <title>利用Python进行数据分析</title>
        <author>Wes McKinney</author>
        <price>119.00</price>
        <year>2019</year>
    </book>
</library>

基础解析案例：

import xml.etree.ElementTree as ET
# 1. 解析XML文件
tree = ET.parse('books.xml')
root = tree.getroot()
print("根元素标签:", root.tag)
print("根元素属性:", root.attrib)
# 2. 遍历所有book元素
for book in root.findall('book'):= book.find('title').text
    author = book.find('author').text
    price = book.find('price').text
    book_id = book.get('id')
    category = book.get('category')
    print(f"ID: {book_id}, 类别: {category}")
    print(f"  书名: {title}")
    print(f"  作者: {author}")
    print(f"  价格: {price}")
    print("-" * 30)

高级解析操作：

import xml.etree.ElementTree as ET
tree = ET.parse('books.xml')
root = tree.getroot()
# 1. 查找特定元素
# 查找第一本书
first_book = root.find('book')
print(f"第一本书: {first_book.find('title').text}")
# 查找所有编程类书籍
programming_books = root.findall(".//book[@category='编程']")
print("\n编程类书籍:")
for book in programming_books:
    print(f"  - {book.find('title').text}")
# 2. 过滤价格大于100的书籍
expensive_books = []
for book in root.findall('book'):
    price = float(book.find('price').text)
    if price > 100:
        expensive_books.append({
            'title': book.find('title').text,
            'price': price
        })
print("\n价格超过100元的书籍:")
for book in expensive_books:
    print(f"  - {book['title']}: ¥{book['price']:.2f}")
# 3. 使用XPath表达式
# 查找所有标题s = [elem.text for elem in root.findall('.//title')]
print(f"\n所有书籍标题: {all_titles}")
# 查找作者
all_authors = root.findall('.//author')
for author in all_authors:
    print(f"作者: {author.text}")

使用lxml库（功能更强大）

需要先安装：pip install lxml

from lxml import etree
# 1. 解析XML字符串
xml_string = """<?xml version="1.0" encoding="UTF-8"?>
<root>
    <item id="1">
        <name>苹果</name>
        <price>5.0</price>
    </item>
    <item id="2">
        <name>香蕉</name>
        <price>3.5</price>
    </item>
</root>"""
root = etree.fromstring(xml_string)
# 2. 高级XPath查询
items = root.xpath('//item')
for item in items:
    item_id = item.get('id')
    name = item.xpath('name/text()')[0]
    price = item.xpath('price/text()')[0]
    print(f"ID: {item_id}, 名称: {name}, 价格: {price}")
# 3. 条件查询
# 查找价格大于4的商品
expensive_items = root.xpath("//item[price > 4]")
for item in expensive_items:
    name = item.xpath('name/text()')[0]
    price = item.xpath('price/text()')[0]
    print(f"昂贵商品: {name}, 价格: {price}")

完整实用案例：XML数据处理

import xml.etree.ElementTree as ET
import json
class XMLBookProcessor:
    def __init__(self, file_path):
        self.tree = ET.parse(file_path)
        self.root = self.tree.getroot()
    def get_all_books(self):
        """获取所有书籍信息"""
        books = []
        for book in self.root.findall('book'):
            book_info = {
                'id': book.get('id'),
                'category': book.get('category'),
                'title': book.find('title').text,
                'author': book.find('author').text,
                'price': float(book.find('price').text),
                'year': int(book.find('year').text)
            }
            books.append(book_info)
        return books
    def filter_by_category(self, category):
        """按类别筛选书籍"""
        return [book for book in self.get_all_books() 
                if book['category'] == category]
    def get_statistics(self):
        """获取统计信息"""
        books = self.get_all_books()
        if not books:
            return {}
        stats = {
            'total_books': len(books),
            'average_price': sum(b['price'] for b in books) / len(books),
            'categories': {},
            'years': set()
        }
        for book in books:
            # 统计类别
            cat = book['category']
            stats['categories'][cat] = stats['categories'].get(cat, 0) + 1
            # 统计年份
            stats['years'].add(book['year'])
        return stats
    def export_to_json(self, output_file):
        """导出为JSON格式"""
        books = self.get_all_books()
        with open(output_file, 'w', encoding='utf-8') as f:
            json.dump(books, f, ensure_ascii=False, indent=2)
        print(f"已导出到 {output_file}")
    def search_by_title(self, keyword):
        """根据标题关键词搜索"""
        books = self.get_all_books()
        return [book for book in books 
                if keyword.lower() in book['title'].lower()]
# 使用示例
processor = XMLBookProcessor('books.xml')
# 获取所有书籍
all_books = processor.get_all_books()
print("所有书籍:")
for book in all_books:
    print(f"  [{book['id']}] {book['title']} - {book['author']}")
# 按类别筛选
programming_books = processor.filter_by_category('编程')
print(f"\n编程类书籍({len(programming_books)}本):")
for book in programming_books:
    print(f"  {book['title']}")
# 获取统计信息
stats = processor.get_statistics()
print(f"\n统计信息:")
print(f"  总书籍数: {stats['total_books']}")
print(f"  平均价格: ¥{stats['average_price']:.2f}")
print(f"  类别分布: {stats['categories']}")
print(f"  出版年份: {stats['years']}")
# 搜索书籍
search_result = processor.search_by_title('Python')
print(f"\n搜索'Python'结果:")
for book in search_result:
    print(f"  {book['title']}")
# 导出为JSON
processor.export_to_json('books.json')

处理大型XML文件

对于大型XML文件,使用迭代解析避免内存占用：

import xml.etree.ElementTree as ET
def process_large_xml(file_path):
    """处理大型XML文件的迭代解析"""
    context = ET.iterparse(file_path, events=('start', 'end'))
    context = iter(context)
    # 获取根元素
    event, root = next(context)
    count = 0
    for event, elem in context:
        if event == 'end' and elem.tag == 'book':
            # 处理每个book元素
            title = elem.find('title').text if elem.find('title') is not None else ''
            author = elem.find('author').text if elem.find('author') is not None else ''
            print(f"Processing book: {title} by {author}")
            count += 1
            # 清除已处理的元素以释放内存
            root.clear()
    print(f"总共处理了 {count} 本书籍")
# 使用示例（适用于大文件）
# process_large_xml('large_books.xml')

1. 标准库vs第三方库：

   • xml.etree.ElementTree：标准库，适合大多数场景
   • lxml：功能更强大，支持完整XPath语法
   • minidom：另一个标准库选项，但API较复杂

2. 主要操作方法：

   • find()：查找第一个匹配子元素
   • findall()：查找所有匹配子元素
   • iter()：遍历所有元素
   • get()：获取属性值
   • text：获取文本内容

3. 性能优化：

   • 使用iterparse()处理大文件
   • 及时清理已处理的元素
   • 考虑使用第三方库提升性能

4. 错误处理：

   • 处理XML解析异常
   • 验证元素是否存在
   • 处理编码问题

这些方法基本覆盖了Python解析XML的常见需求,你可以根据具体场景选择合适的方法。