XML in Python für Anfänger: ElementTree & lxml mit Beispielen

1. Was man vor dem Lesen von XML in Python wissen sollte

Wann verwendet man XML in Python?

• XML-Daten, die von einer Web-API abgerufen wurden, analysieren möchte
• XML-Dateien, die aus anderen Systemen exportiert wurden, verarbeiten möchte
• XML, das als Konfigurationsdatei (Einstellungen) verwendet wird, lesen möchte

Was ist XML? Eine kurze Wiederholung

<book>
  <title>Einführung in Python</title>
  <author>Yamada Tarō</author>
  <price>2800</price>
</book>

Einführung in Bibliotheken zum Lesen von XML in Python

• xml.etree.ElementTree (Standardbibliothek)
• xml.dom.minidom (Standardbibliothek)
• lxml (Externe Bibliothek, Unterstützung für XPath und Validierung)

2. Grundlagen zum Lesen von XML in Python

Lesen von XML-Dateien mit ElementTree

<books>
  <book>
    <title>Einführung in Python</title>
    <author>Yamada Tarō</author>
    <price>2800</price>
  </book>
  <book>
    <title>Die Zukunft der KI</title>
    <author>Suzuki Ichirō</author>
    <price>3500</price>
  </book>
</books>

import xml.etree.ElementTree as ET

# Lesen der XML-Datei
 tree = ET.parse('sample.xml')
 root = tree.getroot()

# Überprüfen des Tags des Root-Elements
 print(f"Wurzelelement: {root.tag}")

# Schleife über jedes book-Element
 for book in root.findall('book'):
     title = book.find('title').text
     author = book.find('author').text
     price = int(book.find('price').text)

     print(f"Titel: {title}, Autor: {author}, Preis: {price} Yen")

Wurzelelement: books
Titel: Einführung in Python, Autor: Yamada Tarō, Preis: 2800 Yen
Titel: Die Zukunft der KI, Autor: Suzuki Ichirō, Preis: 3500 Yen

Lesen von XML aus einem String

xml_data = '''
<user>
  <name>Sagawa Shōta</name>
  <email>sagawa@example.com</email>
</user>
'''

root = ET.fromstring(xml_data)

name = root.find('name').text
email = root.find('email').text

print(f"Name: {name}, E-Mail: {email}")

Abrufen von Attributen und Behandlung von Text

<user id="101">
  <name>Sagawa Shōta</name>
</user>

root = ET.fromstring('''
<user id="101">
  <name>Sagawa Shōta</name>
</user>
''')

print(f"Benutzer-ID: {root.attrib['id']}")

3. Einführung in andere XML-Parsing-Bibliotheken

minidom: DOM-basierte Standardbibliothek

from xml.dom import minidom

xml_data = '''
<user>
  <name>Sagawa Shōta</name>
  <email>sagawa@example.com</email>
</user>
'''

dom = minidom.parseString(xml_data)
name = dom.getElementsByTagName('name')[0].firstChild.nodeValue
email = dom.getElementsByTagName('email')[0].firstChild.nodeValue

print(f"Name: {name}, E-Mail: {email}")

• Einfacher Zugriff auf detaillierte Knotenstrukturen
• Attribute und Typen von Kindknoten sind klar klassifiziert
• Einfache formatierte Ausgabe von XML (Pretty Print)

• Der Code neigt dazu, redundant zu werden
• Nicht geeignet für die Verarbeitung großer XML-Dateien (hoher Speicherverbrauch)

lxml: Schnelle und leistungsstarke externe Bibliothek

pip install lxml

from lxml import etree

xml_data = '''
<books>
  <book>
    <title>Python Praxis</title>
    <price>3000</price>
  </book>
</books>
'''

root = etree.fromstring(xml_data)
title = root.xpath('//book/title/text()')[0]
price = root.xpath('//book/price/text()')[0]

print(f"Titel: {title}, Preis: {price} €")

• Dank XPath ist flexible Suche möglich
• Schnell und geeignet für die Verarbeitung großer XML-Mengen
• Auch Kompatibilität mit HTML, anwendbar für Scraping

• Installation einer externen Bibliothek erforderlich
• Etwas anfängliches Lernen erforderlich (z. B. XPath)

Zusammenfassung der Auswahl der Bibliothek

4. Praktische Code-Beispiele

Wiederholte Verarbeitung mehrerer Knoten

<books>
  <book>
    <title>Einführung in Python</title>
    <author>Yamada Tarō</author>
    <price>2800</price>
  </book>
  <book>
    <title>Die Zukunft der KI</title>
    <author>Suzuki Ichirō</author>
    <price>3500</price>
  </book>
</books>

import xml.etree.ElementTree as ET

tree = ET.parse('books.xml')
root = tree.getroot()

for book in root.findall('book'):
    title = book.find('title').text
    author = book.find('author').text
    price = int(book.find('price').text)

    print(f"Titel: {title}, Autor: {author}, Preis: {price} Yen")

Filterung basierend auf Bedingungen

for book in root.findall('book'):
    price = int(book.find('price').text)
    if price >= 3000:
        title = book.find('title').text
        print(f"Teures Buch: {title} ({price} Yen)")

Schreiben in XML-Datei (Speichern)

# Erstellen eines neuen Root-Elements
root = ET.Element('users')

# Hinzufügen von Unterelementen
user1 = ET.SubElement(root, 'user', attrib={'id': '1'})
ET.SubElement(user1, 'name').text = 'Sagawa Shōta'
ET.SubElement(user1, 'email').text = 'sagawa@example.com'

# Speichern als Baumstruktur
tree = ET.ElementTree(root)
tree.write('users.xml', encoding='utf-8', xml_declaration=True)

<?xml version='1.0' encoding='utf-8'?>
<users>
  <user id="1">
    <name>Sagawa Shōta</name>
    <email>sagawa@example.com</email>
  </user>
</users>

Anwendung: Extraktion mit XPath (lxml)

from lxml import etree

tree = etree.parse('books.xml')
titles = tree.xpath('//book[price >= 3000]/title/text()')

for title in titles:
    print(f"Titel des teuren Buches: {title}")

5. Häufige Fehler und Lösungen

UnicodeDecodeError: Leseversagen aufgrund unterschiedlicher Zeichenkodierungen

UnicodeDecodeError: 'utf-8' codec can't decode byte 0x93 in position 10

with open('sample.xml', encoding='shift_jis') as f:
    data = f.read()

import xml.etree.ElementTree as ET
root = ET.fromstring(data)

ParseError: Ungültige XML-Syntax

xml.etree.ElementTree.ParseError: not well-formed (invalid token): line 3, column 15

• Identifizieren Sie die entsprechende Zeilennummer und Spalte aus der Fehlermeldung
• Überprüfen Sie Syntaxfehler durch formatierte Anzeige des XMLs im Editor
• Führen Sie die Umwandlung spezieller Zeichen durch (z. B. & → &)

<note>
  <text>5 & 3</text>
</note>

<note>
  <text>5 &amp; 3</text>
</note>

NoneType Attribute Error: Zugriff auf nicht existierende Elemente

AttributeError: 'NoneType' object has no attribute 'text'

title_elem = book.find('title')
if title_elem is not None:
    title = title_elem.text
else:
    title = 'Titel unbekannt'

if (title_elem := book.find('title')) is not None:
    print(title_elem.text)

XML-Datei ist beschädigt oder leer

• Kein Fehler, aber getroot() gibt None zurück
• findall() liefert nichts

• Die XML-Datei ist leer (0 Bytes)
• Die Daten sind unvollständig (z. B. Download-Fehler)

• Überprüfen Sie Dateigröße und Inhalt
• Führen Sie einen Syntax-Check mit einem XML-Validierungstool durch
• Überprüfen Sie den Download- oder Generierungsprozess

6. Häufig gestellte Fragen (FAQ)

Q1. Wie sollte ich die Kodierung (Zeichensatz) von XML-Dateien handhaben?

<?xml version="1.0" encoding="UTF-8"?>

with open('sample.xml', encoding='shift_jis') as f:
    data = f.read()

Q2. Wenn ich eine große XML-Datei verarbeite, kommt es zu Speichermangel. Was soll ich tun?

import xml.etree.ElementTree as ET

for event, elem in ET.iterparse('large.xml', events=('end',)):
    if elem.tag == 'book':
        print(elem.find('title').text)
        elem.clear()  # Speicher freigeben

Q3. Welche Vorteile hat die Verwendung von XML statt JSON?

• Hierarchische Strukturen können streng definiert werden (DTD/XSD usw.)
• Unterscheidung zwischen Attributen und Elementen möglich
• Stark dokumentenorientiert, geeignet für Konfigurationsdateien und Strukturinformationen
• In Unternehmens- und Behördensystemen ist XML immer noch Standard

Q4. Sollte ich lxml oder ElementTree verwenden?

7. Zusammenfassung

Das Lesen von XML in Python ist überraschend einfach

Die Auswahl der Bibliothek je nach Anwendungsfall ist wichtig

• Für kleine, einfache Verarbeitungen: ElementTree
• Für detaillierte Knotenoperationen oder formatierte Ausgabe: minidom
• Für schnelle Verarbeitung oder XPath-Suche: lxml

Seien Sie auch auf häufige Fehler und Probleme vorbereitet

XML ist immer noch eine aktive Technologie