Python XML 解析

时间: 2020-10-8｜tag：｜48次围观｜0 条评论

Python XML 解析

什么是 XML？

XML 指可扩展标记语言（eXtensible Markup Language）。 你可以通过本站学习 XML 教程

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。

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:

1.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。

2.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。

3.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。

注：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）。

本章节使用到的 XML 实例文件 movies.xml 内容如下：

movies.xml

<
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
>

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响应，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。

ContentHandler类方法介绍

characters(content)方法

调用时机：

从行开始，遇到标签之前，存在字符，content 的值为这些字符串。

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。

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。

startDocument() 方法

文档启动的时候调用。

endDocument() 方法

解析器到达文档结尾时调用。

startElement(name, attrs)方法

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

遇到XML结束标签时调用。

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

parser方法

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:

  • 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

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:

  • 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

Python 解析XML实例

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

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：

实例

#!/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。

本博客所有文章如无特别注明均为原创。
复制或转载请以超链接形式注明转自起风了，原文地址《Python XML 解析》
　 　

还没有人抢沙发呢~