Python之lxml库学习笔记一

gznz12345

　　lxml takes all the pain out of XML.
Stephan Richter
　　lxml是Python语言里和XML以及HTML工作的功能最丰富和最容易使用的库。lxml是为libxml2和libxslt库的一个Python化的绑定。它与众不同的地方是它兼顾了这些库的速度和功能完整性，以及纯Python  API的简洁性，大部分与熟知的ElementTree API兼容但比之更优越。
　　安装lxml：
　　要求：需要Python2.3或更后的版本
　　使用easy_install工具，以超级用户或管理员的角色run下面的命令：
　　easy_install lxml
　　在windows下，最好指定版本号：easy_install lxml==2.2.6
　　使用lxml进行开发
　　lxml.etree指南
　　通常使用lxml.etree的方式
　　>>> from lxml import etree
　　
　　Element类，一个Element是ElementTree API的主要容器类，大部分的XML  tree功能都是通过这个类来访问的。Elements可以非常容易地通过Element工厂方法来创建。
　　>>> root = etree.Element("root")
　　元素的XML tag名字是通过tag属性来访问的
　　>>> print root.tag # root
　　Elements是在XML树状结构中组织的，为创建子元素并将它们加到父元素上，可以使用append()方法。
　　>>> root.append( etree.Element("child1") )
　　我们还有更高效的方法：SubElement工厂方法，它使用和Element工厂方法相同的参数，不过额外需要父节点作第一个参数：
　　>>> child2 = etree.SubElement(root, "child2")
>>>  child3 = etree.SubElement(root, "child3")
　　可以使用tostring()方法来看得到的XML
　　>>> print etree.tostring(root, pretty_print=True)
  


  

　　元素是列表
　　>>> child = root[0]
>>> print child.tag
child1
　　>>> print len(root)
3
　　>>> root.index(root[1]) # lxml.etree only!
1
　　打印所有子节点：
　　>>> children = list(root)
　　>>> for child in root:
　　... print(child.tag)
child1
child2
child3
　　可以使用insert()方法插入新的子节点：
　　>>> root.insert(0, etree.Element("child0"))
删除子节点：
　　>>> root[0] = root[-1] # this moves the element!
>>>  for child in root:
... print(child.tag)
child3
child1
child2
　　如果想把一个元素拷贝到不同的地方，需要创建一个独立的deep copy。
　　>>> from copy import deepcopy
>>> element =  etree.Element("neu")
>>> element.append( deepcopy(root[1]) )  
>>> print(element[0].tag)
child1
>>> print([ c.tag  for c in root ])
[’child3’, ’child1’, ’child2’]
　　getparent()返回父节点:
>>> root is root[0].getparent() # lxml.etree  only!
True
　　元素的兄弟或邻居节点是通过next和previous属性来访问的
The siblings (or neighbours) of an  element are accessed as next and previous elements:
>>> root[0] is  root[1].getprevious() # lxml.etree only!
True
>>> root[1] is  root[0].getnext() # lxml.etree only!
True
　　带属性的元素
　　XML元素支持属性，可以用Element工厂方法直接创建。
　　>>> root = etree.Element("root",  interesting="totally")
>>> etree.tostring(root)
b’’
　　可以使用set和get方法访问这些属性：
　　>>> print root.get("interesting")
totally
>>>  root.set("interesting", "somewhat")
>>> print  root.get("interesting")
somewhat
　　也可以使用attrib性质的字典接口
　　>>> attributes = root.attrib
>>>  print(attributes["interesting"])
somewhat
>>>  print(attributes.get("hello"))
None
>>> attributes["hello"] =  "Guten Tag"
>>> print(attributes.get("hello"))
Guten  Tag
>>> print(root.get("hello"))
Guten Tag
　　
　　元素可以包含文字：
　　>>> root = etree.Element("root")
>>> root.text =  "TEXT"
>>> print(root.text)
TEXT
>>>  etree.tostring(root)
’TEXT’
　　如果XML用在(X)HTML中，文本也可以在不同的元素中显示:
HelloWorld
元素有tail属性，它包含XML  树中元素直接跟的，直到下个元素的文本。
　　>>> html = etree.Element("html")
>>> body =  etree.SubElement(html, "body")
>>> body.text =  "TEXT"
>>>  etree.tostring(html)
b’TEXT’
>>>  br = etree.SubElement(body, "br")
>>>  etree.tostring(html)
b’TEXT’
>>>  br.tail = "TAIL"
>>>  etree.tostring(html)
b’TEXTTAIL’