python2.7入门---XML解析

首先我们先来考虑，什么是XML？XML 指可扩展标记语言（eXtensible Markup Language）。XML 被设计用来传输和存储数据。XML是一套定义语义标记的规则，这些标记将文档分成许多部件并对这些部件加以标识。它也是元标记语言，即定义了用于定义其他与特定领域有关的、语义的、结构化的标记语言的句法语言。

了解了上面的内容，我们就来看一下python对XML的解析。常见的XML编程接口有DOM和SAX，这两种接口处理XML文件的方式不同，当然使用场合也不同。python有三种方法解析XML，SAX，DOM，以及ElementTree。首先就是SAX (simple API for XML )。python 标准库包含SAX解析器，SAX用事件驱动模型，通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。其次是DOM(Document Object Model)。将XML数据在内存中解析成一个树，通过对树的操作来操作XML。最后就是ElementTree(元素树)。ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。在这里要注意下，因DOM需要将XML数据映射到内存中的树，一是比较慢，二是比较耗内存，而SAX流式读取XML文件，比较快，占用内存少，但需要用户实现回调函数（handler）。

XML 实例文件 movies.xml 内容如下：

<collection shelf="New Arrivals">
<movie title="Enemy Behind">  <type>War, Thriller</type>  <format>DVD</format>  <year>2003</year>  <rating>PG</rating>  <stars>10</stars>  <description>Talk about a US-Japan war</description> </movie> <movie title="Transformers">  <type>Anime, Science Fiction</type>  <format>DVD</format>  <year>1989</year>  <rating>R</rating>  <stars>8</stars>  <description>A schientific fiction</description> </movie>  <movie title="Trigun">  <type>Anime, Action</type>  <format>DVD</format>  <episodes>4</episodes>  <rating>PG</rating>  <stars>10</stars>  <description>Vash the Stampede!</description> </movie> <movie title="Ishtar">  <type>Comedy</type>  <format>VHS</format>  <rating>PG</rating>  <stars>2</stars>  <description>Viewable boredom</description> </movie> </collection>

现在来看python使用SAX解析xml。SAX是一种基于事件驱动的API。利用SAX解析XML文档牵涉到两个部分:解析器和事件处理器。解析器负责读取XML文档,并向事件处理器发送事件,如元素开始跟元素结束事件。而事件处理器则负责对事件作出相应,对传递的XML数据进行处理。

1、对大型文件进行处理；
2、只需要文件的部分内容，或者只需从文件中得到特定信息。
3、想建立自己的对象模型的时候。

在python中使用sax方式处理xml要先引入xml.sax中的parse函数，还有xml.sax.handler中的ContentHandler。下面来看ContentHandler方法类介绍：首先，characters(content)方法的调用时机为：从行开始，遇到标签之前，存在字符，content的值为这些字符串。还有从一个标签，遇到下一个标签之前，存在字符，content的值为这些字符串。再来就是从一个标签，遇到行结束符之前，存在字符，content的值为这些字符串。标签可以是开始标签，也可以是结束标签。接下来就是startDocument()方法，在文档启动的时候调用。endDocument()方法在解析器到达文档结尾时调用。startElement(name, attrs)方法在遇到XML开始标签时调用，name是标签的名字，attrs是标签的属性值字典。endElement(name)方法在遇到XML结束标签时调用。

上面的了解完毕后，就可以来看make_parser()方法。以下方法创建一个新的解析器对象并返回：

xml.sax.make_parser( [parser_list] )

参数说明：parser_list - 可选参数，解析器列表

以下方法创建一个 SAX 解析器并解析xml文档：

xml.sax.parse( xmlfile, contenthandler[, errorhandler])

参数说明如下：

xmlfile - xml文件名
contenthandler - 必须是一个ContentHandler的对象
errorhandler - 如果指定该参数，errorhandler必须是一个SAX ErrorHandler对象

parseString方法创建一个XML解析器并解析xml字符串：

xml.sax.parseString(xmlstring, contenthandler[, errorhandler])

参数说明如下：

xmlstring - xml字符串
contenthandler - 必须是一个ContentHandler的对象
errorhandler - 如果指定该参数，errorhandler必须是一个SAX ErrorHandler对象

接下来我们就来看个实例：

#!/usr/bin/python
# -*- coding: UTF-8 -*-

import xml.sax  class MovieHandler( xml.sax.ContentHandler ):  def __init__(self):  self.CurrentData = ""  self.type = ""  self.format = ""  self.year = ""  self.rating = ""  self.stars = ""  self.description = ""   # 元素开始事件处理  def startElement(self, tag, attributes):  self.CurrentData = tag  if tag == "movie":  print "*****Movie*****"  title = attributes["title"]  print "Title:", title   # 元素结束事件处理  def endElement(self, tag):  if self.CurrentData == "type":  print "Type:", self.type  elif self.CurrentData == "format":  print "Format:", self.format  elif self.CurrentData == "year":  print "Year:", self.year  elif self.CurrentData == "rating":  print "Rating:", self.rating  elif self.CurrentData == "stars":  print "Stars:", self.stars  elif self.CurrentData == "description":  print "Description:", self.description  self.CurrentData = ""   # 内容事件处理 def characters(self, content): if self.CurrentData == "type": self.type = content elif self.CurrentData == "format": self.format = content elif self.CurrentData == "year": self.year = content elif self.CurrentData == "rating": self.rating = content elif self.CurrentData == "stars": self.stars = content elif self.CurrentData == "description": self.description = content if ( __name__ == "__main__"): # 创建一个 XMLReader parser = xml.sax.make_parser() # turn off namepsaces parser.setFeature(xml.sax.handler.feature_namespaces, 0) # 重写 ContextHandler Handler = MovieHandler() parser.setContentHandler( Handler ) parser.parse("movies.xml")

以上代码执行结果如下：

*****Movie*****
Title: Enemy Behind Type: War, Thriller Format: DVD Year: 2003 Rating: PG Stars: 10 Description: Talk about a US-Japan war *****Movie***** Title: Transformers Type: Anime, Science Fiction Format: DVD Year: 1989 Rating: R Stars: 8 Description: A schientific fiction *****Movie***** Title: Trigun Type: Anime, Action Format: DVD Rating: PG Stars: 10 Description: Vash the Stampede! *****Movie***** Title: Ishtar Type: Comedy Format: VHS Rating: PG Stars: 2 Description: Viewable boredom

完整的 SAX API 文档请查阅Python SAX APIs。我们再来使用xml.dom解析xml。文件对象模型（Document Object Model，简称DOM），是W3C组织推荐的处理可扩展置标语言的标准编程接口。一个 DOM 的解析器在解析一个 XML 文档时，一次性读取整个文档，把文档中所有元素保存在内存中的一个树结构里，之后你可以利用DOM 提供的不同的函数来读取或修改文档的内容和结构，也可以把修改过的内容写入xml文件。python中用xml.dom.minidom来解析xml文件，实例如下：

#!/usr/bin/python
# -*- coding: UTF-8 -*-

from xml.dom.minidom import parse import xml.dom.minidom  # 使用minidom解析器打开 XML 文档 DOMTree = xml.dom.minidom.parse("movies.xml") collection = DOMTree.documentElement if collection.hasAttribute("shelf"):  print "Root element : %s" % collection.getAttribute("shelf")  # 在集合中获取所有电影 movies = collection.getElementsByTagName("movie")  # 打印每部电影的详细信息 for movie in movies:  print "*****Movie*****"  if movie.hasAttribute("title"):  print "Title: %s" % movie.getAttribute("title")   type = movie.getElementsByTagName('type')[0]  print "Type: %s" % type.childNodes[0].data  format = movie.getElementsByTagName('format')[0]  print "Format: %s" % format.childNodes[0].data  rating = movie.getElementsByTagName('rating')[0]  print "Rating: %s" % rating.childNodes[0].data  description = movie.getElementsByTagName('description')[0]  print "Description: %s" % description.childNodes[0].data

以上程序执行结果如下：

Root element : New Arrivals *****Movie***** Title: Enemy Behind Type: War, Thriller Format: DVD Rating: PG Description: Talk about a US-Japan war *****Movie***** Title: Transformers Type: Anime, Science Fiction Format: DVD Rating: R Description: A schientific fiction *****Movie***** Title: Trigun Type: Anime, Action Format: DVD Rating: PG Description: Vash the Stampede! *****Movie***** Title: Ishtar Type: Comedy Format: VHS Rating: PG Description: Viewable boredom

完整的 DOM API 文档请查阅Python DOM APIs。好啦，这次就到这里了。如果感觉不错的话，请多多点赞支持哦。。。

　　原文链接：https://blog.csdn.net/luyaran/article/details/80005231

python2.7入门---XML解析

猜你喜欢