Python数据科学-技术详解与商业实践（八大案例，配套书籍）

1. XML解析概述

  常见解析方式和解析器

1. DOM：要求解析器把整个XML文档装载到内存，并解析成一个Document对象。
   优点：元素与元素之间保留结构关系，故可以进行增删改查操作。
   缺点：XML文档过大，可能出现内存溢出显现。
2. SAX：是一种速度更快，更有效的方法。它逐行扫描文档，一边扫描一边解析。并以事件驱动的方式进行具体解析，每执行一行，都将触发对应的事件。
   优点：处理速度快，可以处理大文件
   缺点：只能读，逐行后将释放资源。

2. DOM4J介绍

2.1 常用包

包名	作用
import org.dom4j.Document;	Document文档类
import org.dom4j.Element	元素节点类
import org.dom4j.QName;	一个对元素名字的封装类
import org.dom4j.io.SAXReader;	sax读取类
import org.dom4j.io.XMLWriter	xml写入类
import org.dom4j.io.OutputFormat	输出格式

2.2 内置元素

元素	含义
Attribute	定义了 XML 的属性。
Branch	指能够包含子节点的节点。如XML元素(Element)和文档(Docuemnts)定义了一个公共的行为
CDATA	定义了 XML CDATA 区域
CharacterData	是一个标识接口，标识基于字符的节点。如CDATA，Comment, Text.
Comment	定义了 XML 注释的行为
Document	定义了XML 文档
DocumentType	定义 XML DOCTYPE 声明
Element	定义XML 元素
ElementHandler	定义了Element 对象的处理器
ElementPath	被 ElementHandler 使用，用于取得当前正在处理的路径层次信息
Entity	定义 XML entity
Node	为dom4j中所有的XML节点定义了多态行为
NodeFilter	定义了在dom4j 节点中产生的一个滤镜或谓词的行为（predicate）
ProcessingInstruction	定义 XML 处理指令
Text	定义 XML 文本节点
Visitor	用于实现 Visitor模式
XPath	在分析一个字符串后会提供一个 XPath 表达式

2.2 Element类

方法	含义
getQName()	元素的QName对象
getNamespace()	元素所属的Namespace对象
getNamespacePrefix()	元素所属的Namespace对象的prefix
getNamespaceURI()	元素所属的Namespace对象的URI
getName()	元素的local name
getQualifiedName()	元素的qualified name
getText()	元素所含有的text内容，如果内容为空则返回一个空字符串而不是null
getTextTrim()	元素所含有的text内容，其中连续的空格被转化为单个空格，该方法不会返回null
attributeIterator()	元素属性的iterator，其中每个元素都是

2.3 Attribute类

方法	含义
attributeValue()	元素的某个指定属性所含的值
elementIterator()	元素的子元素的iterator，其中每个元素都是Element对象
element()	元素的某个指定（qualified name或者local name）的子元素
elementText()	元素的某个指定（qualified name或者local name）的子元素中的text信息
getParent()	元素的父元素
getPath()	元素的XPath表达式，其中父元素的qualified name和子元素的qualified name之间使用”/”分隔
isTextOnly()	是否该元素只含有text或是空元素
isRootElement()	是否该元素是XML树的根节点

2.4 常用操作

• 读取xml文件，获得document对象.

SAXReader reader = new SAXReader();
Document  document = reader.read(new File("***.xml"));

• 解析XML形式的文本,得到document对象.

String text = "<members></members>";
Document document = DocumentHelper.parseText(text);

• 获取根节点

Element root = dom.getRootElement();

• 取得某节点的单个子节点

Element memberElm=root.element("title");

• 获取节点文字

String text=memberElm.getText();

• 取得某节点下名为"title"所有字节点并进行遍历

List list = rootElm.elements("member");
Iterator<Element> it = list.iterator(); 
while(it.hasNext()){
   Element elm = it.next();
   // do something...
}

• 在某节点下添加子节点.

Element ageElm = newMemberElm.addElement("age");

• 设置节点文字.

ageElm.setText("29");

• 删除某节点.

parentElm.remove(childElm);

• 取得某节点下的某属性

    Element root=document.getRootElement();    
    Attribute attribute=root.attribute("id");

• 设置某节点的属性和文字.

newMemberElm.addAttribute("name", "sitinspring");

• 设置属性的文字

Attribute attribute=root.attribute("name");
attribute.setText("sitinspring");

• 删除某属性

Attribute attribute=root.attribute("size");// 属性名name
root.remove(attribute);