何为XML?
XML指可扩展标记语言(eXtensible Markup Language),被设计用来传输和存储数据。其中的 标记(markup)是关键部分。可以创建内容,然后使用限定标记标记它,从而使每个单词、短语或块成为可识别、可分类的信息。
Python3对XML的解析
常见的有SAX(simple API for XML)和DOM(Document Object Model)解析;当然也有ElementTree等。
1.SAX:
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。
SAX解析XML文件牵涉到两个部分: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。
在Python中使用SAX,需要先引入xml.sax中的parse函数,还有xml.sax.handler中的ContentHandler类
ContnetHandler类方法介绍:
characters(content)方法
调用时机:
- 从行开始,遇到标签前,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。
方法 | 作用 |
---|---|
startDocument() | 文档启动的时候调用 |
endDocument() | 解析器到达文档结尾时调用 |
startElement(name,attrs) | 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) | 遇到XML结束标签时调用 |
make_parsesr方法
创建一个新的解析器对象并返回
xml.sax.make_parser([parser_list])
# parser_list - 可选参数,解析器列表
parser方法
创建一个SAX解析器并解析xml文档
xml.sax.parse( xmlfile, contenthandler[, errorhandler])
# 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
创建一个 XML 解析器并解析 xml 字符串
xml.sax.parseString(xmlstring, contenthandler[, errorhandler])
# 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
实例:
movies.xml文件内容:
<collection shelf="New Arrivals">
<movie title="Enemy Behind">
<type>War, Thriller</type>
<format>DVD</format>
<year>2003</year>
<rating>PG</rating>
<stars>10</stars>
<description>Talk about a US-Japan war</description>
</movie>
<movie title="Transformers">
<type>Anime, Science Fiction</type>
<format>DVD</format>
<year>1989</year>
<rating>R</rating>
<stars>8</stars>
<description>A schientific fiction</description>
</movie>
<movie title="Trigun">
<type>Anime, Action</type>
<format>DVD</format>
<episodes>4</episodes>
<rating>PG</rating>
<stars>10</stars>
<description>Vash the Stampede!</description>
</movie>
<movie title="Ishtar">
<type>Comedy</type>
<format>VHS</format>
<rating>PG</rating>
<stars>2</stars>
<description>Viewable boredom</description>
</movie>
</collection>
sax 解析代码:
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 = ""
# 元素开始调用
def startElement(self, tag, attributes):
self.CurrentData = tag
if tag == "movie":
print("*******Movie******")
title = attributes["title"]
print("Title:", title)
# 元素结束调用
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 == ""
# 读取字符时调用
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()
# 关闭命名空间
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# 重写ContextHandler
Handler = MovieHandler()
parser.setContentHandler(Handler)
parser.parse("movies.xml")
*******Movie******
Title: Enemy Behind
Type: War, Thriller
Format:
Year: 2003
Rating:
Stars:
Description: Talk about a US-Japan war
Description:
*******Movie******
Title: Transformers
Type: Anime, Science Fiction
Format:
Year: 1989
Rating:
Stars:
Description: A schientific fiction
Description:
*******Movie******
Title: Trigun
Type: Anime, Action
Format:
Rating:
Stars:
Description: Vash the Stampede!
Description:
*******Movie******
Title: Ishtar
Type: Comedy
Format:
Rating:
Stars:
Description: Viewable boredom
Description:
Description:
2.DOM
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。
实例:
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)
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
参考:
革命尚未成功,同志仍需努力!