几个要点:
- 衍化:SGML -> HTML -> XML
- XML的设计宗旨是传输数据,而非显示数据。
- XML标签没有被预定义。您需要自行定义标签。
- XML被设计为具有自我描述性。
- XML是W3C的推荐标准。
Python 提供 6 种处理 XML 的包:
xml.dom
W3C制定的 DOM API。它会把 XML 文件生成树状结构放在内存,然后开始其他处理。独立于平台和语言。xml.dom.minidom
是 DOM API 的极简化实现。使用不便,效率不高,容易出错。应该考虑用xml.etree.ElementTree
模块。xml.dom.pulldom
是 pull 解析(pull parsing),其背后的基本概念指的是从XML流中主动pull事件,然后进行处理。此前诸如SAX和DOM框架都是push-based,也就是说对解析工作的控制权,掌握在解析器的手中。xml.sax
实现的 SAX(Simple API for XML) API,不是W3C官方标准。它是事件驱动(指一种基于回调(callback)机制的程序运行方法),并不需要一次性读入整个文档,而文档的读入过程也就是SAX的解析过程。xml.parser.expat
提供了对C语言编写的expat解析器的一个直接的、底层API接口。expat 是一个面向流的解析器。xml.etree.ElementTree
习惯简称 ET,提供轻量级、Pythonic API,同时提供C实现。与DOM相比,ET的速度更快,API使用更直接、方便。与SAX相比,ET.iterparse 同样提供流解析(按需解析)的功能。
参考链接: