使用 xml.etree.ElementTree （简称ET） 来解析 xml 非常好用推荐给大家。按照我自己的理解，使用ET 解析xml 就像 遍历 字典一样 ，以如下数据为例
<?xml version="1.0" encoding="utf-8"?> <SMP2019-ECISA> <Doc ID="4"> <Sentence ID="1" label="2">转发了财新网的微博:【内鬼与大鳄姚刚张育军的唏嘘人生】（记者刘彩萍）近日，中国证券监督管理委员会原党委委员、副主席姚刚和原党委委员、主席助理张育军被查。</Sentence> <Sentence ID="2">两位高级干部先后被双开并移交司法引发资本市场无限唏嘘，曾经的后备干部、创新先锋倒在了利益面前。</Sentence> <Sentence ID="3">内鬼与大鳄姚刚张育军的唏嘘人生??</Sentence> <Sentence ID="4">原图?</Sentence> <Sentence ID="5">赞[21]?</Sentence> <Sentence ID="6">原文转发[29]?</Sentence> <Sentence ID="7">原文评论[52]转发理由:副主席，江湖上称发审皇帝，IPO审批制的坚决拥护者。</Sentence> <Sentence ID="8">攀附山西王成，让一大批乐视这种垃圾公司上市，权?</Sentence> <Sentence ID="9">贵牛的中枢。</Sentence> <Sentence ID="10">人民牛，还缺一个市场化IPO，还多一个发审委。</Sentence> </Doc> </SMP2019-ECISA>具体代码如下
import xml.etree.ElementTree as ET in_file = 'SMP2019_ECISA_Dev.xml' tree = ET.parse(in_file) # 获得根节点 SMP2019-ECISA root = tree.getroot() # 遍历根节点 for doc in root: # attrib 获得 doc 的属性 doc_attr = doc.attrib print(doc_attr) # {'ID': '4'} # 遍历doc 中的子元素 for sent in doc: sent_attr = sent.attrib print(sent_attr) # {'ID': '1', 'label': '2'} # 获得正文 text = sent.text print(text) #转发了财新网的微博:【内鬼与大鳄姚刚张育军的唏嘘人生】...解析过程 非常简单，主要是三个点
直接使用 in 一层一层 遍历element.attrib 获得 对应元素的属性element.text 获得正文
