Python for Infomatics 第13章 网页服务一（译）

注：文章原文为Dr. Charles Severance 的 《Python for Informatics》。文中代码用3.4版改写，并在本机测试通过。

　　一旦利用程序通过HTTP协议获得并分析文档变得简单，那么开发生成一个特殊设计的、供其他程序使用的文档（不是在浏览器中显示HTML）的方法也不用花太长时间。

　　我们使用的通过网页互换数据的通用格式有这么两种：扩展标记语言XML和JSON（见 www.json.org)。XML已经应用多年，最适合互换文档样式数据。当程序之间只想互换字典、列表或者其它内部信息，它们使用JSON。我们将审视这两种格式。

13.1 扩展标记语言-XML

13.1 eXtensible Markup Language - XML

　　XML看起来和HTML非常相似，但是XML比HTML更加结构化，下面是一个XML文档的示例：
<person>
<name>Chuck</name>
<phone type="intl">
+1 734 303 4456
</phone>
<email hide="yes"/>
</person>

　　用结构树来看待XML往往比较有益。下图中顶层父标签是Person，phoned、name是父节点的孩子。

13.2 分析XML　　

　　下面是一个从XML中分析并抓取一些元数据的简单程序：

import xml.etree.ElementTree as ET

data='''
<person>
<name>Chuck</name>
<phone type="intl">
+1 734 303 4456
</phone>
<email hide="yes"/>
</person>'''

tree = ET.fromstring(data)
print('Name:', tree.find('name').text)
print('Attr:', tree.find('email').get('hide'))

　　运行代码的输出为：

Name: Chuck
Attr: yes

　　（译者注：不要将这个代码保存为xml.py，不然运行时将程序将报错：ImportError: No module named 'xml.etree'。因为在引入库文件时，Python将首先搜索当前目录，当前目录下命名为xml.py的文件或包将覆盖同名的标准库。）


　　调用fromstring将字符串显示的XML转换为XML节点树。当XML在树中时，我们有一系列的方法可以从XML抽取部分数据。

　　find函数搜遍XML树，并获取匹配指定标签的节点。每个节点可以有一些文本，一些属性（如hide），以及一些子节点。每个节点可以成为树的根节点。

　　当XML如本例一样非常的简单时，使用类似ElementTree这样的XML分析器有很多优势。事实证明，认定有效的XML有很多规则，使用ElementTree允许我们从XML提取数据而无需担忧语法规则。

13.3 遍循节点

　　XML经常有多个节点，我们必须编写一个循环来处理所有的节点。在下面的程序中，我们将遍循所有的user节点：

import xml.etree.ElementTree as ET

input = '''
<stuff>
<users>
<user x="2">
<id>001</id>
<name>Chuck</name>
</user>
<user x="7">
<id>009</id>
<name>Brent</name>
</user>
</users>
</stuff>'''

stuff = ET.fromstring(input)
lst = stuff.findall('users/user')
print('User count:', len(lst))

for item in lst:
    print('Name ', item.find('name').text)
    print('Id ', item.find('id').text)
    print('Attribute ', item.get('x'))

　　findall方法获取一个以XML树方式表示user的子树列表。然后我们用一个for循序查看每个user节点，并打印出其name和id的文本信息，以及x属性。

　　程序的输出如下：
User count: 2
Name Chuck
Id 001
Attribute 2
Name Brent
Id 009
Attribute 7
13.4