记录下方法，省得下次再找。目前只有Python的版本。

XML

来自xml.etree.ElementTree — The ElementTree XML API的XML示例：

<?xml version="1.0"?>
<data>
    <country name="Liechtenstein">
        <rank>1</rank>
        <year>2008</year>
        <gdppc>141100</gdppc>
        <neighbor name="Austria" direction="E"/>
        <neighbor name="Switzerland" direction="W"/>
    </country>
    <country name="Singapore">
        <rank>4</rank>
        <year>2011</year>
        <gdppc>59900</gdppc>
        <neighbor name="Malaysia" direction="N"/>
    </country>
    <country name="Panama">
        <rank>68</rank>
        <year>2011</year>
        <gdppc>13600</gdppc>
        <neighbor name="Costa Rica" direction="W"/>
        <neighbor name="Colombia" direction="E"/>
    </country>
</data>

Python解析XML

参考xml.etree.ElementTree — The ElementTree XML API.

首先要明白一些术语。

在整个xml文件里，一般由一个大括号包起来，如上面的例子，就是<data>标签，这个总括全部信息的节点就是 root 节点。

其次，<country name="Liechtenstein"> 中，元素的tag就是标签的名字，即括号里打头的字符串，也就是country. 而name=xxx这个被称为attribute，也就是属性。<data>标签下有三个<country>标签，这些<country>标签被称为<data>的孩子节点， children。

在<rank>1</rank>， 标签<rank>间有文字1, 它没有被包含在尖括号<>中，所以不是孩子节点，而是被称为 text 节点。可能为空，或者一些空白符（如回车、空格等），或者看到的字符串。

介绍用xml.etree.ElementTree模块来处理（同样有个对应的cElementTree）XML。

首先简记xml.etree.ElementTree为ET.

一般用ET.parse方法来将一个文本转换为element tree对象， 记为tree。经过测试，这个函数应该会把整个XML文本给读到内存里！再加上数据结构的信息，内存开销会比整个XML文本的大小还庞大很多。(没有专门测过，只是看了下加载后的内存，一个130M的文本，加载进来后Python内存占据为500+M)

然后用tree.getroot()来得到root节点。

ET中所有节点都是用Element元素，其包含一些属性和方法，以下是说明：

  1. tag

    就是当前元素的标签，如<data>元素就是data

  2. text, tail

    就是元素中的字符串。其中text存的是当前标签开始到第一个孩子元素间的字符串，如果没有孩子元素，那就是被整个标签包围的字符串了，如上面说的<rank>1</rank>中的1。tail则是当前标签后面的字符串了！注意，这是标签包起来的外部的后面。

    官网的示例很清楚了：

     <a><b>1<c>2<d/>3</c></b>4</a>

    the a element has None for both text and tail attributes, the b element has text “1” and tail “4”, the c element has text “2” and tail None, and the d element has text None and tail “3”.

  3. attrib

    标签的属性，一个 key-value 字典

  4. items(), keys(), get()

    返回的是属性字典的信息(都是字典的方法)。

  5. find(), findall(), iterfind()

    用来寻找子元素（孩子节点）的方法。传入的是标签名或者path

  6. findtext()

    返回的是匹配到的第一个子元素的文本！注意，是子元素的文本。

  7. iter()

    相比iterfind, 支持传入 None 或者 *, 这样将会先深遍历整个子树。

  8. itertext()

    无参数，迭代器返回按文档序构成的元素的inner text. 递归遍历，包含子元素！