xml 是一种扩展标记语言,实际开发中应用也比较广泛,经常用来在服务端与客户端间进行数据传输。下面我们来一起看下 python 中对 xml 的解析
1.python 解析 xml 的三种方式
python中有三种方法解析xml,分别为:SAX、DOM、ElementTree,建议使用第三种 ElementTree 解析 xml。
SAX用事件驱动模型,通过在解析XML的过程中触发对应的事件并调用用户定义的回调函数来处理XML文件。SAX是一种基于事件驱动的API,使用SAX解析XML会涉及到两个部分:解析器和事件处理器,解析器主要用于解析XML数据,并向事件处理器发送事件(startElement、endElement、characters等),而事件处理器主要用于对触发事件后作响应,对传递的XML数据进行处理。
优点:SAX使用流来读取xml数据,效率快,占用内存少
缺点:需要用户实现回调函数(Handler)
DOM是一次性将xml数据全部读取并解析成一个树放到内存中,通过对树的操作来操作XML。在解析时,一次性读取整个xml文档并把文档中所有的元素存放到内存中的一个树结构中,然后利用DOM提供的函数来读取或修改文档的内容和结构
优点:使用DOM的好处是不用对状态进行追踪,因为每一个节点都知道谁是它的父节点,谁是它的子节点
缺点:一次性将xml数据全部读取映射到内存中的树,效率低、占用内存
ElementTree类似一个轻量级的DOM,具有方便友好的API,代码可用性好,速度快,消耗内存少,推荐使用。
下面我们通过一个案例,分别用这三种方式来解析xml,看下每种方式是如何操作的。
有一个people.xml文件,内容如下
<?xml version="1.0" encoding="utf-8" ?>
<people>
<person id="zhangsna">
<name>张三</name>
<age>18</age>
<tel>18511908765</tel>
</person>
<person id="lisi">
<name>李四</name>
<age>20</age>
<tel>15018984728</tel>
</person>
<person id="wangwu">
<name>王五</name>
<age>22</age>
<tel>13067894532</tel>
</person>
<person id="zhaoliu">
<name>赵六</name>
<age>23</age>
<tel>13067894532</tel>
</person>
</people>
解析people文件中的内容,解析完成后将数据封装到一个Person对象中然后在控制台打印,打印时分别按年龄升序和按中文降序。Person 类如下
class Person:
name=None
age=None
tel=None
def __init__(self,name=None,age=None,tel=None):
self.name=name
self.age=age
self.tel=tel
def __repr__(self): # 类似 java 中 的 toString()
return '{0:20}{1:<5}{2:15}'.format(self.name, self.age, self.tel)
2.SAX 解析
sax 解析需要继承ContentHandler并重写其中的方法,ContentHandler类中常用方法如下
方法 | 参数 | 作用 |
---|---|---|
startDocument() | self | 文档启动时调用 |
endDocument() | self | 解析器到达文档结尾时调用 |
startElement() | self,name:元素名称,attrs:元素属性 | 遇到XML开始标签时调用 |
endElement() | self,name:元素名称 | 遇到XML结束标签时调用 |
characters | self,content:文本内容 | 读取元素内容时调用 |
sax 模块常用方法
方法 | 作用 |
---|---|
make_parser() | 创建一个新的解析器对象并返回 |
parse() | 创建一个 SAX 解析器并解析xml文档 |
parseString() | 创建一个XML解析器并解析xml字符串 |
代码:
import xml.sax # 导入sax模块
from Person import Person # 导入Person类
# 继承ContentHandler
class PeopleHandler(xml.sax.ContentHandler):
# 初始化函数
def __init__(self):
self.person = None
self.tag = None
# 元素开始调用(name:元素名称,attrs:元素属性)
def startElement(self, name, attrs):
self.tag = name
if name == 'person':
self.person = Person()
# 元素结束调用(name:元素名称)
def endElement(self, name):
if name == 'person':
global people # 引用外部的全局变量
people.append(self.person)
self.person = None
self.tag = None
# 读取元素内容时调用(content:文本内容)
def characters(self, content):
if "name" == self.tag:
self.person.name = content
if "age" == self.tag:
self.person.age = int(content)
if "tel" == self.tag:
self.person.tel = content
people = []
# 创建一个 XMLReader
parser = xml.sax.make_parser()
# 关闭命名空间(不验证命名空间)
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# 重写 ContextHandler
parser.setContentHandler(PeopleHandler())
# 解析xml文档
parser.parse("people.xml")
print('{0:20}{1:<5}{2:15}'.format("姓名", "年龄", "手机号"))
print("--------------按年龄升序--------------")
for p in sorted(people, key=lambda x:x.age, reverse=False):
print(p)
print("--------------按中文降序--------------")
people.sort(key=lambda x:x.name.encode("gbk"), reverse=True) # 中文排序,需要进行编码为gbk或gb2312
for p in people:
print(p)
运行结果:
姓名 年龄 手机号
--------------按年龄升序--------------
张三 18 18511908765
李四 20 15018984728
王五 22 13067894532
赵六 23 13067894532
--------------按中文降序--------------
赵六 23 13067894532
张三 18 18511908765
王五 22 13067894532
李四 20 15018984728
3.DOM 解析
# 导入模块
from xml.dom.minidom import parse
from Person import Person
people = []
# 使用minidom解析器打开 XML 文档
domTree = parse("people.xml")
# 获取文档元素
collection = domTree.documentElement;
# 获取集合中的 person 元素
person = collection.getElementsByTagName("person")
for e in person:
# 获取所有的id元素的属性
# idAttrs = e.attributes['id']
# print(idAttrs)
# 获取所有的name元素
# elements = e.getElementsByTagName("name")[0]
# print(elements)
# 获取所有的name元素的文本值
# text = e.getElementsByTagName("name")[0].childNodes[0].data;
# print(text)
name = e.getElementsByTagName("name")[0].childNodes[0].data
age = e.getElementsByTagName("age")[0].childNodes[0].data
tel = e.getElementsByTagName("tel")[0].childNodes[0].data
p = Person(name, age, tel)
people.append(p)
print('{0:20}{1:<5}{2:15}'.format("姓名", "年龄", "手机号"))
print("--------------按年龄升序--------------")
for p in sorted(people, key=lambda x:x.age, reverse=False):
print(p)
print("--------------按中文降序--------------")
# 中文排序,需要进行编码为gbk或gb2312
people.sort(key=lambda x:x.name.encode("gbk"), reverse=True)
for p in people:
print(p)
运行结果与SAX相同
4.ElementTree
ElementTree 在 Python 中有两种实现
一种是纯 Python 实现:xml.etree.ElementTree
另一种是 C 语言实现:xml.etree.cElementTree
建议使用 C 语言 实现的 ElementTree,因为它速度更快,占用内存更少
在程序中导入模块时这样写(如果C语言实现的不能使用再使用纯Python实现的)
try:
import xml.etree.cElementTree as ET
except ImportError:
import xml.etree.ElementTree as ET
ElementTree 中 常用方法
方法 | 作用 |
---|---|
parse(xmlfile) | 加载xml文件 |
fromstring(xmltext) | 加载xml文件 |
findall() | 获取指定的所有节点 |
find() | 获取指定的节点 |
getchildren() | 获取儿子节点 |
getiterator() | 获取指定的所有节点,与findall()类似 |
示例:
root = ET.parse("people.xml")
print("------------findall()------------")
persons1 = root.findall("person")
print(persons1)
print("----------getiterator()----------")
persons2 = root.getiterator("person")
print(persons2)
print("----------getchildren()----------")
for node in persons2:
node_child = node.getchildren()[0]
print(node_child.tag + " => " + node_child.text)
运行结果:
------------findall()------------
[<Element 'person' at 0x00000000020F02C8>, <Element 'person' at 0x0000000002585908>, <Element 'person' at 0x00000000025A1138>, <Element 'person' at 0x00000000025A1278>]
----------getiterator()----------
[<Element 'person' at 0x00000000020F02C8>, <Element 'person' at 0x0000000002585908>, <Element 'person' at 0x00000000025A1138>, <Element 'person' at 0x00000000025A1278>]
----------getchildren()----------
name => 张三
name => 李四
name => 王五
name => 赵六
ElementTree 中 常用属性
属性 | 作用 |
---|---|
attrib | 获取节点的属性及属性值(以元祖的形式返回) |
tag | 获取节点名称 |
text | 获取节点的文本值 |
示例
root = ET.parse("people.xml")
persons = root.findall("person")
for node in persons:
print(node.attrib)
print(node.tag)
name = node.find("name")
print(name.text)
运行结果:
{'id': 'zhangsna'}
person
张三
--------------------
{'id': 'lisi'}
person
李四
--------------------
{'id': 'wangwu'}
person
王五
--------------------
{'id': 'zhaoliu'}
person
赵六
--------------------
ElementTree 的常用方法及属性我们了解后,接着实现我们最开始的案例,代码如下,运行结果与 SAX 相同
from Person import Person
try:
import xml.etree.cElementTree as ET
except ImportError:
import xml.etree.ElementTree as ET
people = []
# 加载people.xml文件
root = ET.parse("people.xml")
# 获取所有person节点
persons = root.findall("person")
for node in persons:
name = node.find("name").text
age = node.find("age").text
tel = node.find("tel").text
p = Person(name, age, tel)
people.append(p)
print('{0:20}{1:<5}{2:15}'.format("姓名", "年龄", "手机号"))
print("--------------按年龄升序--------------")
for p in sorted(people, key=lambda x:x.age, reverse=False):
print(p)
print("--------------按中文降序--------------")
# 中文排序,需要进行编码为gbk或gb2312
people.sort(key=lambda x:x.name.encode("gbk"), reverse=True)
for p in people:
print(p)