很多小伙伴們聽過HTML，聽過python，聽過JavaScript這些語言的名字，但對于XML這個名字可能會有些生疏，也不知道他應(yīng)該用在什么地方，有什么用。實際上，XML的應(yīng)用非常廣泛，最常見的作用就是作為項目部署文件存儲一些設(shè)置數(shù)據(jù)，另外一種用途就是在Ajax
中傳輸數(shù)據(jù)。另外，HTML本質(zhì)上也可以算做一種XML的分支。今天小編的要介紹的內(nèi)容，就是python如何使用XML，更準(zhǔn)確的說，是python如何解析xml。
XML介紹
XML的全稱叫可拓展標(biāo)記語言（eXtensible Markup Language），是一種用標(biāo)簽標(biāo)記文本使其具有一定結(jié)構(gòu)性的語言。它的最常見的用途主要是數(shù)據(jù)的存儲和傳輸。數(shù)據(jù)傳輸方面一般是Ajax的應(yīng)用，而數(shù)據(jù)存儲一般是存儲一些帶有結(jié)構(gòu)的數(shù)據(jù)或者應(yīng)用配置等。
它的近親HTML一般是做文本的存儲和表達(dá)，通過標(biāo)簽決定文本的展示樣式。由于XML是可定制化的，所以實際上HTML可以認(rèn)為是一種特殊的XML語言。
關(guān)于XML應(yīng)用于應(yīng)用配置的實際案例，java web就是一個很好的例子，java web的webapp中有一個web.xml文件，這個·文件可以配置servlet的映射等功能，這就是一個典型的XML的應(yīng)用案例。
XML解析
由上我們可以得知XML是用來存儲數(shù)據(jù)的，而獲取XML中的數(shù)據(jù)的過程我們稱為XML解析。常見的XML解析方式主要有兩種，分別為DOM和SAX，另外python還提供了第三種解析方法（ElementTree）。我們接下來就以下面的XML代碼為例來詳細(xì)介紹這三種方法。
<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>SAX解析
Python 標(biāo)準(zhǔn)庫包含 SAX 解析器，SAX 用事件驅(qū)動模型，通過在解析 XML 的過程中觸發(fā)一個個的事件并調(diào)用用戶定義的回調(diào)函數(shù)來處理 XML 文件。
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 = ""
# 元素開始調(diào)用
def startElement(self, tag, attributes):
self.CurrentData = tag
if tag == "movie":
print ("*****Movie*****")
title = attributes["title"]
print ("Title:", title)
# 元素結(jié)束調(diào)用
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 = ""
# 讀取字符時調(diào)用
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__"):
# 創(chuàng)建一個 XMLReader
parser = xml.sax.make_parser()
# 關(guān)閉命名空間
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# 重寫 ContextHandler
Handler = MovieHandler()
parser.setContentHandler( Handler )
parser.parse("movies.xml")DOM解析
DOM的全稱為文件對象模型（Document Object Model），是W3C組織推薦的處理可擴展置標(biāo)語言的標(biāo)準(zhǔn)編程接口。
一個 DOM 的解析器在解析一個 XML 文檔時，一次性讀取整個文檔，把文檔中所有元素保存在內(nèi)存中的一個樹結(jié)構(gòu)里，之后你可以利用DOM 提供的不同的函數(shù)來讀取或修改文檔的內(nèi)容和結(jié)構(gòu)，也可以把修改過的內(nèi)容寫入xml文件。
from xml.dom.minidom import parse
import xml.dom.minidom
# 使用minidom解析器打開 XML 文檔
DOMTree = xml.dom.minidom.parse("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
print ("Root element : %s" % collection.getAttribute("shelf"))
# 在集合中獲取所有電影
movies = collection.getElementsByTagName("movie")
# 打印每部電影的詳細(xì)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)對于DOM的應(yīng)用最多的，應(yīng)該是HTML，因為HTML的DOM基本是每個前端必須學(xué)習(xí)的內(nèi)容，JavaScript操作HTML的時候也是使用DOM方法，瀏覽器渲染的時候也是使用DOM進(jìn)行渲染的。所以對前端感興趣的小伙伴小編建議學(xué)習(xí)一下DOM方法（雖然是python的，但JavaScript的DOM方法和用法與python是類似的）。
ElementTree解析
這是python獨有的一種XML解析方法，他通過生成一個元素樹的方式來解析一個xml文件，然后通過類似樹的訪問方式進(jìn)行數(shù)據(jù)的操作。在構(gòu)建方式上有點類似DOM。在使用方式生更接近于樹的操作。
import xml.etree.ElementTree as ET
tree = ET.parse("movies.xml")
root = tree.getroot()
print(root.tag, ":", root.attrib) # 打印根元素的tag和屬性
# 遍歷xml文檔的第二層
for child in root:
# 第二層節(jié)點的標(biāo)簽名稱和屬性
print(child.tag,":", child.attrib)
# 遍歷xml文檔的第三層
for children in child:
# 第三層節(jié)點的標(biāo)簽名稱和屬性
print(children.tag, ":", children.attrib)XML解析的應(yīng)用
XML解析的應(yīng)用主要有三個方向：
- 在Ajax中，可以使用XML進(jìn)行數(shù)據(jù)的傳輸，這時候就要要求接收數(shù)據(jù)方能夠解析XML了。
- 當(dāng)XML作為數(shù)據(jù)存儲介質(zhì)或者部署文件時，獲取數(shù)據(jù)離不開XML的解析。
- 實際上小編寫這篇文章的目的在于這第三點的應(yīng)用，也就是解析HTML網(wǎng)頁，之前我們說了，HTML和XML具有一定的相似度。實際上，解析XML也可以用在HTML的解析上，小編這里并不是要實現(xiàn)什么瀏覽器渲染引擎，而是另一個需要解析HTML文件的地方——爬蟲。爬蟲需要爬取網(wǎng)頁的數(shù)據(jù)并獲取特定的HTML元素，這就要求爬蟲能夠操作HTML文檔，最好的操作方式就是通過XML進(jìn)行。
小結(jié)
以上就是python如何解析XML的全部內(nèi)容。關(guān)于XML的全部介紹，一篇短短的文章是介紹不完的，小編這里參考了以下資料，小伙伴們可以自行前往學(xué)習(xí)！
