转载:http://blog.csdn.net/seetheworld518/article/details/49535211
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,当然是用是用场合也不同。
Python有三种方法解析XML:
SAX(simple API for XML)
Python标准库中包含SAX解析器,SAX是用的是事件驱动模型,通过在解析XML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。
解析的基本过程:
读到一个XML开始标签,就会开始一个事件,然后事件就会调用一系列的函数去处理一些事情,当读到一个结束标签时,就会触发另一个事件。所以,我们写XML文档入如果有格式错误的话,解析就会出错。
这是一种流式处理,一边读一边解析,占用内存少,可以处理一些大的文件,但是把大文件读到缓存中缓存起来就比较难,这样就会影响效率。
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。
由于DOM是将XML读取到内存,然后解析成一个树,如果要处理的XML文本比较大的话,就会很耗内存,所以DOM一般偏向于处理一些小的XML,(如配置文件)比较快,
ElementTree(Object Model)
ElementTree就像一个轻量级的DOM,具有方便而友好的API。代码的可用性好、速度快、消耗内存少。可以认为是对DOM的改进。
XML解析基本思路是
现将xml文档内容一次性全部读入内存并解析成树结构,然后拿到这个树结构的根结点,然后我们就可以通过调用解析XML的一些函数来操作这个树了,也就是操作xml文档数据。
xml.dom解析xml
文件对象模型(Document Object Model,简称DOM),是W3C组织推荐处理可扩展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。
下面是一个简单的xml文档实例(book.xml):
<?xml version="1.0" encoding="utf-8" ?>
<booklist type="science and engineering">
<book category="math">
<title>learning math</title>
<author>张三</author>
<pageNumber>561</pageNumber>
</book>
<book category="Python">
<title>learning Python</title>
<author>李四</author>
<pageNumber>600</pageNumber>
</book>
</booklist>
使用Python的xml.dom.minidom模块来解析这个xml文件:
import xml.dom.minidom
from xml.dom.minidom import parse
DOMTree = xml.dom.minidom.parse(r"C:\book.xml")
booklist = DOMTree.documentElement
if booklist.hasAttribute("type") :
print "Root element is", booklist.getAttribute("type")
books = booklist.getElementsByTagName("book")
print "book节点的个数:", books.length
for book in books :
print "*******************book*******************"
if book.hasAttribute("category") :
print "category is", book.getAttribute("category")
title = book.getElementsByTagName('title')[0]
print "Title is", title.childNodes[0].data
author = book.getElementsByTagName('author')[0]
print "author is", author.childNodes[0].data
pageNumber = book.getElementsByTagName('pageNumber')[0]
print "pageNumber is", pageNumber.childNodes[0].data
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
执行结果:
Root element is science and engineering
book节点的个数: 2
*******************book*******************
category is math
Title is learning math
author is 张三
pageNumber is 561
*******************book*******************
category is Python
Title is learning Python
author is 李四
pageNumber is 600
由于xml的标签、属性都是程序员自已定义的,所以一个标签下可以出现多个同名的标签,就像上面的的标签或者是像下面这样:
<booklist type="science and engineering">
<book category="math">
<title>learning math</title>
<title>title test</title>
<author>张三</author>
<pageNumber>561</pageNumber>
</book>
</booklist>
上面解析xml的程序中,getElementsByTagName()函数返回的是同一父节点下所有同级(即兄弟节点)节点中相同标签的集合(就像上面的两个标签一样),这是一个list对象,所以可以使用list序列所有操作。这个时候,我们可以通过索引去拿相应的节点,也可以使用节点名称去拿相应的节点,推荐第二种方法,准确。也可以通过循环遍历整个返回的list。
xml.dom模块解析xml的部分API函数
函数原型:
parse(file, parser=None, bufsize=None)
Parse a file into a DOM by filename or file object.
函数作用是使用parse解析器打开xml文档并将其解析为一个DOM文档,也就是内存中的一棵树。
函数原型:
toxml(self, encoding=None) method of xml.dom.minidom.Document instance
返回xml的文本内容。如:
>>> DOMTree.toxml('utf-8')
'<?xml version="1.0" encoding="utf-8"?><booklisttype="science and engineering">\n <book category="math">\n <title>learning math</title>\n <author>\xe5\xbc\xa0\xe4\xb8\x89</author>\n <pageNumber>561</pageNumber>\n </book>\n <book category="Python">\n
<title>learning Python</title>\n <author>\xe6\x9d\x8e\xe5\x9b\x9b</author>\n <pageNumber>600</pageNumber>\n </book>\n</booklist>'
如果我们只知道xml文件名,不知道里面的内容,就可以使用这个函数查看。
函数原型:
hasAttribute(self, name) method of xml.dom.minidom.Element instance
判断某个节点node是否存在某个属性,存在返回True,否则返回False。如:
if booklist.hasAttribute("type") :
注:这里用的实例是book.xml文档中的。下同
getAttribute(self, attname) method of xml.dom.minidom.Element instance
获取节点node的某个属性的值。如:
print "Root element is", booklist.getAttribute("type")
- node.getElementsByTagName()
原型:
getElementsByTagName(self, name) method of xml.dom.minidom.Element instance
获取XML文档中节点对象集合。如:
books = booklist.getElementsByTagName("book")
表示获取booklist节点下所有节点名为book组成的对象集合,这是一个list,因此list所有的操作都可以用于它。
- node.childNodes
返回node下所有子节点组成的list。如查看节点下的子节点:
>>> books[0].childNodes
[<DOM Text node "u'\n '">, <DOM Element: title at 0x2830988>, <DOM Text node "u'\n '">, <DOM Element: author at 0x2830708>, <DOM Text node "u'\n '">, <DOM Element: pageNumber at 0x28307c8>, <DOM Text node "u'\n '">]
从结果看出,列表中第一个元素是books[0]这个标签下一个文本子节点(默认就是有的),里面存的是该节点的值,此处由于是一个父节点,没有设置值,所以为回车符。
如:
print author.childNodes
[<DOM Text node "u'\u674e\u56db'">]
由于叶子节点下没有子节点了,所以只返回了该叶子节点默认的文本子节点。
这样就算我们不知道原xml文档结构怎样,就可以使用这个函数来一层层的查看xml文档中的节点。
- node.childNodes[index].data
获取节点的值。如:
print "Title is", title.childNodes[0].data
判断节点node下是否有叶子节点,如有返回True,否则返回False,但是需要注意的是,每个节点都默认有一个文本叶子节点,所以只要标签后有值,就会返回True,只有当标签后没值时才会返回False。如:
print author.hasChildNodes()
原xml文件中author标签下没有子标签,但是有值,所以返回结果是True。下面的情况就会返回False:
<author></author>
有了这个函数,我们可以在不知道xml文档结构的情况下操作xml文档了。
如果还想使用其他的函数,可以使用dir()或help()函数查看各个类拥有的方法和属性。
xml.dom.minidom模块实现创建一个XML文档。
创建XML的过程
1、内存数据产生
2、产生xml内存对象(也就是DOM树)
3、产生根对象
4、往根对象里加数据
5、把xml内存对象写到文件
下面是一个创建xml文档的简单实例:
import xml.dom.minidom
#在内存中创建一个空的文档
doc = xml.dom.minidom.Document()
#创建一个根节点Managers对象
root = doc.createElement('Managers')
#设置根节点的属性
root.setAttribute('company', 'xx科技')
root.setAttribute('address', '科技软件园')
#将根节点添加到文档对象中
doc.appendChild(root)
managerList = [{'name' : 'joy', 'age' : 27, 'sex' : '女'},
{'name' : 'tom', 'age' : 30, 'sex' : '男'},
{'name' : 'ruby', 'age' : 29, 'sex' : '女'}
]
for i in managerList :
nodeManager = doc.createElement('Manager')
nodeName = doc.createElement('name')
#给叶子节点name设置一个文本节点,用于显示文本内容
nodeName.appendChild(doc.createTextNode(str(i['name'])))
nodeAge = doc.createElement("age")
nodeAge.appendChild(doc.createTextNode(str(i["age"])))
nodeSex = doc.createElement("sex")
nodeSex.appendChild(doc.createTextNode(str(i["sex"])))
#将各叶子节点添加到父节点Manager中,
#最后将Manager添加到根节点Managers中
nodeManager.appendChild(nodeName)
nodeManager.appendChild(nodeAge)
nodeManager.appendChild(nodeSex)
root.appendChild(nodeManager)
#开始写xml文档
fp = open('c:\\wcx\\Manager.xml', 'w')
doc.writexml(fp, indent='\t', addindent='\t', newl='\n', encoding="utf-8")
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
执行结果:
<?xml version="1.0" encoding="utf-8"?>
<Managers address="科技软件园" company="xx科技">
<Manager>
<name>joy</name>
<age>27</age>
<sex>女</sex>
</Manager>
<Manager>
<name>tom</name>
<age>30</age>
<sex>男</sex>
</Manager>
<Manager>
<name>ruby</name>
<age>29</age>
<sex>女</sex>
</Manager>
</Managers>
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
用Python自带的写xml文档的API去写,比较方便,后期容易维护。如果直接用打开文件的方式,一行一行的去写,比较费时,也难以维护。
xml.dom模块创建xml的部分API
创建一个空白xml文档树对象。
每个xml文档都是一个Document对象,代表着内存中的DOM树。
- doc. createElement(tagName)
生成xml文档节点。参数表示要生成节点的名称。
如:(注意这里使用的例子都来自于上面创建xml文档的程序中,下同)
#创建一个根节点Managers对象
root = doc.createElement('Managers')
- node.setAttribute(attname, value)
给节点添加属性值对(Attribute)。
参数说明:
attname :属性的名称
value :属性的值
如:
设置根节点的属性:
root.setAttribute('company', 'xx科技')
给叶子节点添加文本节点。如:
#给叶子节点name设置一个文本节点,用于显示文本内容
nodeName.appendChild(doc.createTextNode(str(i['name'])))
将节点node1t添加到节点node下。如:
#将叶子节点nodeName添加到父节点nodeManager下
nodeManager.appendChild(nodeName)
函数原型:
writexml(writer, indent='', addindent='', newl='', encoding=None)
将内存中xml文档树写入文件中。
参数说明:
writer :要写的目标文件的文件对象。
indent :
fp = open('c:\\Manager.xml', 'w')
doc.writexml(fp, indent='', addindent='\t', newl='\n', encoding="utf-8")