XML 可扩展标记语言,被设计用于传输和存储数据。常见的XML有DOM、SAX,这两种处理XML的方式不同,使用场景也不同。

python用于解析XML的方式有三种:DOM、SAX、ElementTree.

实例: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>

1、SAX(Simple API for XML)

python标准库包括SAX解析器,用事件驱动模型,在XML解析过程中触发一个个事件调用用户定义的回调函数来处理XML文件。

利用SAX对XML进行处理涉及两个部件:解析器和事件处理器。

解析负责解析XML,并向事件处理器发送事件,如元素开始和元素结束事件。事件处理器则对传过来的事件进行处理响应。

常见使用SAX解析XML文件的场景如下:

  • 对大型文件进行处理。
  • 只需要获取解析部分文件内容,获取特定信息。
  • 只想建立自己的模型的时候
  • python中使用SAX解析XML,需要引入xml.sax中的parse函数,以及xml.sax.handler中的contentHandler。

    (1)contentHandler类方法

    characters(content) 方法 调用时机:从行开始,遇到标签之前,存在字符,content值存这些字符串;从一个标签开始遇到下一个标签之前,存在字符,content值为这些字符串;从一个标签开始遇到行结束符之前,存在字符,content值为这些字符串。标签可以为开始标签或结束标签。

  • startDocument() 方法 文档启动时调用。
  • endDocument() 方法 解析器到达文档结束时调用。
  • startElement(name, attr) 方法 遇到XML开始标签时调用。name为标签名,attr为标签属性。
  • endElement(name) 方法 遇到XML结束标签时使用。
  • (2)make_parse方法

    创建一个新的解析器对象返回。

    语法:xml.sax.make_parse([parse_list]) 

    参数:pars_list –可选参数,解析器列表

    (3)parse方法

    创建一个SAX解析器对象并解析XML文档。

    语法:xml.sax.parse(xmlfile, contentHandler[, errorHandler])

    参数:

    xmlfile –xml文件

    contentHandler –必须是一个contentHandler对象

    errorHandler –若指定该参数,则必须为一个SAX ErrorHandler对象

    (4)parseString方法

    创建一个SAX解析器对象并解析XML字符串。

    语法:xml.sax.parse(XMLString, contentHandler[, errorHandler])

    参数:

    XMLString –xml字符串

    contentHandler –必须是一个contentHandler对象

    errorHandler –若指定该参数,则必须为一个SAX ErrorHandler对象

    实例:

    #!/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 = ""
    
       # 元素开始调用
       def startElement(self, tag, attributes):
          self.CurrentData = tag
          if tag == "movie":
             print ("*****Movie*****")
             title = attributes["title"]
             print ("Title:", title)
    
       # 元素结束调用
       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 = ""
    
       # 读取字符时调用
       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__"):
       
       # 创建一个 XMLReader
       parser = xml.sax.make_parser()
       # 关闭命名空间
       parser.setFeature(xml.sax.handler.feature_namespaces, 0)
    
       # 重写 ContextHandler
       Handler = MovieHandler()
       parser.setContentHandler( Handler )
       
       parser.parse("movies.xml")

    执行结果:

     

    *****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

    2、DOM(Document Object Model)

    将XML文件在内存中解析为树,再通过对树的操作来操作XML。

    文件对象模型,时W3C推荐的处理可扩展置标语言的标准编程接口。

    一个DOM解析器在解析XML文件时,会一次性的读取整个文档,将文档中所有元素都报错在内存的树结构里面,之后你可以利用DOM提供的不同的函数方法去读取或者修改文档结构,也可以将修改过的内容写入文档中。

    python中使用xml.dom.minidom来解析XML对象。

    实例:

    #!/usr/bin/python3
    
    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)

    执行返回结果:

    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

    来源:qq_37718585

    物联沃分享整理
    物联沃-IOTWORD物联网 » python XML解析

    发表评论