Python 解析 XML

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：

1. 深入解读Python解析XML的几种方式