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


War, Thriller
DVD
2003
PG
10
Talk about a US-Japan war


Anime, Science Fiction
DVD
1989
R
8
A schientific fiction


Anime, Action
DVD
4
PG
10
Vash the Stampede!


Comedy
VHS
PG
2
Viewable boredom


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