Learn_Python_XML解析17

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：

• 菜鸟教程：https://www.runoob.com/python3/python3-xml-processing.html

革命尚未成功，同志仍需努力！