使用ElementTree解析Python中的XML示例

Question

我在找一个简单的例子，教我怎么用 Python 的 Element Tree 来解析 XML 文件。根据我找到的信息，这个库似乎是解析 XML 最简单的选择。下面是我正在处理的 XML 示例：

<timeSeriesResponse>
    <queryInfo>
        <locationParam>01474500</locationParam>
        <variableParam>99988</variableParam>
        <timeParam>
            <beginDateTime>2009-09-24T15:15:55.271</beginDateTime>
            <endDateTime>2009-11-23T15:15:55.271</endDateTime>
        </timeParam>
     </queryInfo>
     <timeSeries name="NWIS Time Series Instantaneous Values">
         <values count="2876">
            <value dateTime="2009-09-24T15:30:00.000-04:00" qualifiers="P">550</value>
            <value dateTime="2009-09-24T16:00:00.000-04:00" qualifiers="P">419</value>
            <value dateTime="2009-09-24T16:30:00.000-04:00" qualifiers="P">370</value>
            .....
         </values>
     </timeSeries>
</timeSeriesResponse>

我用一种固定的方法完成了我需要的功能。但我希望我的代码能更灵活一些。以下是我用的有效方法：

tree = ET.parse(sample.xml)
doc = tree.getroot()

timeseries =  doc[1]
values = timeseries[2]

print child.attrib['dateTime'], child.text
#prints 2009-09-24T15:30:00.000-04:00, 550

我尝试了几种方法，但都不成功，系统提示找不到 timeSeries（或者我尝试的其他内容）：

tree = ET.parse(sample.xml)
tree.find('timeSeries')

tree = ET.parse(sample.xml)
doc = tree.getroot()
doc.find('timeSeries')

基本上，我想加载 XML 文件，查找 timeSeries 标签，然后遍历 value 标签，返回 dateTime 和标签本身的值；这就是我在上面示例中做的，但不想固定写出我感兴趣的 XML 部分。有没有人能给我一些例子，或者建议我怎么解决这个问题？

---

感谢大家的帮助。使用下面的两个建议在我提供的示例文件上有效，但在完整文件上却不行。使用 Ed Carrel 的方法时，我遇到的错误是：

 (<type 'exceptions.AttributeError'>, AttributeError("'NoneType' object has no attribute 'attrib'",), <traceback object at 0x011EFB70>)

我觉得真实文件中有些东西不对，所以我逐步删除内容直到它能正常工作。以下是我修改的行：

originally: <timeSeriesResponse xsi:schemaLocation="a URL I removed" xmlns="a URL I removed" xmlns:xsi="a URL I removed">
 changed to: <timeSeriesResponse>

 originally:  <sourceInfo xsi:type="SiteInfoType">
 changed to: <sourceInfo>

 originally: <geogLocation xsi:type="LatLonPointType" srs="EPSG:4326">
 changed to: <geogLocation>

删除带有 'xsi:...' 的属性解决了这个问题。'xsi:...' 不是有效的 XML 吗？我很难通过程序删除这些属性。有没有什么建议的解决方法？

这是完整的 XML 文件： http://www.sendspace.com/file/lofcpt

---

当我最初问这个问题时，我对 XML 中的命名空间并不了解。现在我知道发生了什么，我不需要删除 "xsi" 属性，因为它们是命名空间声明。我只需在我的 xpath 查询中包含它们即可。有关 lxml 中命名空间的更多信息，请查看 这个页面。

Answer 1

如果我理解你的问题没错的话：

for elem in doc.findall('timeSeries/values/value'):
    print elem.get('dateTime'), elem.text

或者如果你更喜欢这样做（并且只有一个 timeSeries/values 的话）：

values = doc.find('timeSeries/values')
for value in values:
    print value.get('dateTime'), elem.text

findall() 方法会返回所有匹配的元素的列表，而 find() 只会返回第一个匹配的元素。第一个例子会遍历所有找到的元素，第二个例子则是遍历 values 元素的子元素，这两种方式在这个情况下会得到相同的结果。

不过我不太明白你为什么找不到 timeSeries。也许你只是忘记了调用 getroot()？（不过其实你不一定需要它，因为你也可以直接从元素树本身开始工作，只要把路径表达式改成比如 /timeSeriesResponse/timeSeries/values 或者 //timeSeries/values 就可以了）

Answer 2

我现在在我的电脑上有ElementTree 1.2.6版本，然后我用你发的那段XML代码运行了以下代码：

import elementtree.ElementTree as ET

tree = ET.parse("test.xml")
doc = tree.getroot()
thingy = doc.find('timeSeries')

print thingy.attrib

结果是这样的：

{'name': 'NWIS Time Series Instantaneous Values'}

看起来它找到了timeSeries这个元素，而且不需要用数字索引。

现在有用的信息是，你说的“它不工作”具体指什么。因为在我这里用相同的输入是可以正常工作的，所以ElementTree不太可能有什么明显的问题。请更新你的问题，提供任何错误信息、回溯信息，或者其他能帮助我们帮助你的内容。