Python3 XML解析

什么是XML？

XML 指可擴展標(biāo)記語言（eXtensible Markup Language），標(biāo)準(zhǔn)通用標(biāo)記語言的子集，是一種用于標(biāo)記電子文件使其具有結(jié)構(gòu)性的標(biāo)記語言。 你可以通過本站學(xué)習(xí) XML教程

XML 被設(shè)計用來傳輸和存儲數(shù)據(jù)。

XML 是一套定義語義標(biāo)記的規(guī)則，這些標(biāo)記將文檔分成許多部件并對這些部件加以標(biāo)識。

它也是元標(biāo)記語言，即定義了用于定義其他與特定領(lǐng)域有關(guān)的、語義的、結(jié)構(gòu)化的標(biāo)記語言的句法語言。

python對XML的解析

常見的 XML 編程接口有 DOM 和 SAX，這兩種接口處理 XML 文件的方式不同，當(dāng)然使用場合也不同。

Python 有三種方法解析 XML，SAX，DOM，以及 ElementTree:

1.SAX (simple API for XML )

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。

2.DOM(Document Object Model)

將 XML 數(shù)據(jù)在內(nèi)存中解析成一個樹，通過對樹的操作來操作 XML。

本章節(jié)使用到的 XML 實例文件 movies.xml 內(nèi)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>

Python 使用 SAX 解析 xml

SAX 是一種基于事件驅(qū)動的 API。

利用 SAX 解析 XML 文檔牽涉到兩個部分:解析器和事件處理器。

解析器負(fù)責(zé)讀取 XML 文檔,并向事件處理器發(fā)送事件,如元素開始跟元素結(jié)束事件;

而事件處理器則負(fù)責(zé)對事件作出相應(yīng),對傳遞的 XML 數(shù)據(jù)進行處理。

• 1、對大型文件進行處理；
• 2、只需要文件的部分內(nèi)容，或者只需從文件中得到特定信息。
• 3、想建立自己的對象模型的時候。

在 Python 中使用 sax 方式處理 xml 要先引入 xml.sax 中的 parse 函數(shù)，還有 xml.sax.handler 中的 ContentHandler。

ContentHandler 類方法介紹

characters(content) 方法

調(diào)用時機：

從行開始，遇到標(biāo)簽之前，存在字符，content 的值為這些字符串。

從一個標(biāo)簽，遇到下一個標(biāo)簽之前， 存在字符，content 的值為這些字符串。

從一個標(biāo)簽，遇到行結(jié)束符之前，存在字符，content 的值為這些字符串。

標(biāo)簽可以是開始標(biāo)簽，也可以是結(jié)束標(biāo)簽。

startDocument() 方法

文檔啟動的時候調(diào)用。

endDocument() 方法

解析器到達(dá)文檔結(jié)尾時調(diào)用。

startElement(name, attrs) 方法

遇到XML開始標(biāo)簽時調(diào)用，name 是標(biāo)簽的名字，attrs 是標(biāo)簽的屬性值字典。

endElement(name) 方法

遇到XML結(jié)束標(biāo)簽時調(diào)用。

make_parser 方法

以下方法創(chuàng)建一個新的解析器對象并返回。

xml.sax.make_parser( [parser_list] )

參數(shù)說明:

• parser_list - 可選參數(shù)，解析器列表

parser 方法

以下方法創(chuàng)建一個 SAX 解析器并解析xml文檔：

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

參數(shù)說明:

• xmlfile - xml文件名
• contenthandler - 必須是一個 ContentHandler 的對象
• errorhandler - 如果指定該參數(shù)，errorhandler 必須是一個 SAX ErrorHandler 對象

parseString 方法

parseString 方法創(chuàng)建一個 XML 解析器并解析 xml 字符串：

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

參數(shù)說明:

• xmlstring - xml字符串
• contenthandler - 必須是一個 ContentHandler 的對象
• errorhandler - 如果指定該參數(shù)，errorhandler 必須是一個 SAX ErrorHandler對象

Python 解析XML實例

#!/usr/bin/python3

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")

以上代碼執(zhí)行結(jié)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 文檔請查閱 Python SAX APIs

使用xml.dom解析xml

文件對象模型（Document Object Model，簡稱DOM），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。

python中用xml.dom.minidom來解析xml文件，實例如下：

#!/usr/bin/python3

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)

以上程序執(zhí)行結(jié)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 文檔請查閱 Python DOM APIs。