在Python中处理XML的简单方法？

Question

在思考一个最近被问到的问题时，我开始想，是否有一种非常简单的方法可以在Python中处理XML文档。也就是说，想找一种更符合Python风格的方法。

我觉得用一个例子来解释会更清楚：假设我从http://www.google.com/ig/api?weather=94043这个网址发出HTTP请求后，得到的响应是这样的——我认为这是一个很好的例子，展示了XML在网络服务中是如何（被误）使用的。

<xml_api_reply version="1">
  <weather module_id="0" tab_id="0" mobile_row="0" mobile_zipped="1" row="0" section="0" >
    <forecast_information>
      <city data="Mountain View, CA"/>
      <postal_code data="94043"/>
      <latitude_e6 data=""/>
      <longitude_e6 data=""/>
      <forecast_date data="2010-06-23"/>
      <current_date_time data="2010-06-24 00:02:54 +0000"/>
      <unit_system data="US"/>
    </forecast_information>
    <current_conditions>
      <condition data="Sunny"/>
      <temp_f data="68"/>
      <temp_c data="20"/>
      <humidity data="Humidity: 61%"/>
      <icon data="/ig/images/weather/sunny.gif"/>
      <wind_condition data="Wind: NW at 19 mph"/>
    </current_conditions>
    ...
    <forecast_conditions>
      <day_of_week data="Sat"/>
      <low data="59"/>
      <high data="75"/>
      <icon data="/ig/images/weather/partly_cloudy.gif"/>
      <condition data="Partly Cloudy"/>
    </forecast_conditions>
  </weather>
</xml_api_reply>

在加载/解析完这样的文档后，我希望能像这样简单地访问信息：

>>> xml['xml_api_reply']['weather']['forecast_information']['city'].data
'Mountain View, CA'

或者

>>> xml.xml_api_reply.weather.current_conditions.temp_f['data']
'68'

从我目前看到的情况来看，ElementTree是最接近我理想中的处理方式的。但实际上还是有些麻烦，处理XML时还是需要一些摸索。另一方面，我想的其实并不复杂——可能只是一个简单的解析器的外层包装——但这可以减少处理XML时的烦恼。有没有这样的神奇方法呢？（如果没有，那是为什么呢？）

附言：我已经尝试过BeautifulSoup，虽然我喜欢它的处理方式，但它在处理空的<element/>时确实存在一些问题——具体例子可以在下面的评论中看到。

Answer 1

看看 Amara 2，特别是这个教程中的 Bindery 部分。

它的工作方式和你描述的非常相似。

另一方面，ElementTree 的find*() 方法可以提供你所需功能的90%，而且它是Python自带的。

Answer 2

提到lxml这个库了。你也可以看看lxml.objectify，它可以帮助你进行一些非常简单的操作。

>>> from lxml import objectify
>>> tree = objectify.fromstring(your_xml)
>>> tree.weather.attrib["module_id"]
'0'
>>> tree.weather.forecast_information.city.attrib["data"]
'Mountain View, CA'
>>> tree.weather.forecast_information.postal_code.attrib["data"]
'94043'

Answer 3

你想要一个简单的外壳？这很容易实现。可以试试下面这个简单的包装器，围绕ElementTree来做个开始：

# geetree.py
import xml.etree.ElementTree as ET

class GeeElem(object):
    """Wrapper around an ElementTree element. a['foo'] gets the
       attribute foo, a.foo gets the first subelement foo."""
    def __init__(self, elem):
        self.etElem = elem

    def __getitem__(self, name):
        res = self._getattr(name)
        if res is None:
            raise AttributeError, "No attribute named '%s'" % name
        return res

    def __getattr__(self, name):
        res = self._getelem(name)
        if res is None:
            raise IndexError, "No element named '%s'" % name
        return res

    def _getelem(self, name):
        res = self.etElem.find(name)
        if res is None:
            return None
        return GeeElem(res)

    def _getattr(self, name):
        return self.etElem.get(name)

class GeeTree(object):
    "Wrapper around an ElementTree."
    def __init__(self, fname):
        self.doc = ET.parse(fname)

    def __getattr__(self, name):
        if self.doc.getroot().tag != name:
            raise IndexError, "No element named '%s'" % name
        return GeeElem(self.doc.getroot())

    def getroot(self):
        return self.doc.getroot()

你可以这样调用它：

>>> import geetree
>>> t = geetree.GeeTree('foo.xml')
>>> t.xml_api_reply.weather.forecast_information.city['data']
'Mountain View, CA'
>>> t.xml_api_reply.weather.current_conditions.temp_f['data']
'68'