SAX的特点
- 基于事件的 API
- 在一个比 DOM 低的级别上操作
- 为您提供比 DOM 更多的控制
- 几乎总是比 DOM 更有效率
- 需要比 DOM 更多的工作
基于对象和基于事件的接口
1、语法分析器有两类接口 - 基于对象的(如:DOM)和基于事件(如:SAX)的接口。
2、DOM是基于对象的语法分析器的标准 API。
3、作为基于对象的接口,DOM 通过在内存中显示地构建对象树来与应用程序通信。对象树是 XML 文件中元素树的精确映射。
4、DOM 易于学习和使用,因为它与基本 XML 文档紧密匹配。
5、对于不以 XML 为中心的应用程序,SAX 是明智的选择。实际上,SAX 并不在内存中显式地构建文档树。它使应用程序能用最有效率的方法存储数据。
选择SAX还是DOM
1、经验法则是在需要更多控制时使用 SAX;要增加方便性时,则使用 DOM。
2、采用 SAX 的主要原因是效率。SAX 比 DOM 做的事要少,但提供了对语法分析器的更多控制。当然,如果语法分析器的工作减少,则意味着您(开发者)有更多的工作要做。
3、SAX 的主要限制是它无法向后浏览文档。实际上,激发一个事件后,语法分析器就将其忘记。如您将看到的,应用程序必须显式地缓冲其感兴趣的事件。
SAX分析XML示例
1、清单 1 :pricelist.xml
<?xml version="1.0"?> <xbe:price-list xmlns:xbe="http://www.psol.com/xbe2/listing8.1"> <xbe:product>XML Training</xbe:product> <xbe:price-quote price="999.00" vendor="Playfield Training"/> <xbe:price-quote price="699.00" vendor="XMLi"/> <xbe:price-quote price="799.00" vendor="WriteIT"/> <xbe:price-quote price="1999.00" vendor="Emailaholic"/> </xbe:price-list>
2、价目表的结构
3、分析XML过程
XML 语法分析器读取并解释该文档。每当它识别出文档中的某些内容,就会生成一个事件。
(1)读取清单 1 时,语法分析器首先读取 XML 声明并生成文档开始事件。
(2)当它遇到第一个开始标记 <xbe:price-list> 时,语法分析器生成它的第二个事件来通知应用程序已经遇到了 price-list 元素。
(3)接下来,语法分析器看到 product 元素的开始标记(为简单起见,在本文其余部分,我将忽略名称空格和缩进空格)并生成它的第三个事件。
(4)在开始标记后,语法分析器看到 product 元素的内容: XML Training ,它产生另一个事件。
(5)下一个事件指出 product 元素的结束标记。语法分析器已经完成了对 product 元素的语法分析。到目前为止,它已经激发了 5 个事件: product 元素的 3 个事件,一个文档开始事件和一个 price-list 开始标记事件。
(6)语法分析器现在移动到第一个 price-quote 元素。它为每个 price-quote 元素生成两个事件:一个开始标记事件和一个结束标记事件。是的,即使将结束标记简化为开始标记中的 / 字符,语法分析器仍然生成一个结束事件。
(8)有 4 个 price-quote 元素,所以语法分析器在分析它们时生成 8 个事件。
(9)最后,语法分析器遇到 price-list 的结束标记并生成它的最后两个事件:结束 price-list 和文档结束。
这些事件共同向应用程序描述了文档树。开始标记事件意味着“转到树的下一层”,而结束标记元素意味着“转到树的上一层”。
python xml.sax 分析XML
xml.sax提供了3个函数以及 SAX 异常类
1、make_parser方法
创建并返回一个SAX XMLReader对象xml.sax.make_parser([parser_list]),parser_list - 可选参数,解析器列表
2、parse方法
创建一个 SAX 解析器并解析xml文档xml.sax.parse(filename_or_stream, handler[, error_handler])
(1)file_or_stream:xml文件名
(2)handler:必须是一个ContentHandler的对象
(3)error_handler:如果指定该参数,errorhandler必须是一个SAX ErrorHandler对象
3、parseString方法
创建一个XML解析器并解析xml字符串xml.sax.parseString(string, handler[, error_handler])
(1)string: xml字符串
(2)handler:必须是一个ContentHandler的对象
(3)error_handler:如果指定该参数,errorhandler必须是一个SAX ErrorHandler对象
xml.sax ContentHandler类方法介绍
characters(content)方法
调用时机
从行开始,遇到标签之前,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。
1、startDocument()方法:文档启动的时候调用。
2、endDocument()方法:解析器到达文档结尾时调用。
3、startElement(name, attrs)方法: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。
4、endElement(name)方法:遇到XML结束标签时调用。
xml.sax 解析XML实例
1、xml示例
<?xml version="1.0"?> <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>
2、使用SAX解析XML的Python源代码
#!/usr/bin/python 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 = "" # 元素开始事件处理 def startElement(self, tag, attributes): self.CurrentData = tag if tag == "movie": print "*****Movie*****" title = attributes["title"] print "Title:", title # 元素结束事件处理 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 = "" # 内容事件处理 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() # turn off namepsaces parser.setFeature(xml.sax.handler.feature_namespaces, 0) # 重写 ContextHandler Handler = MovieHandler() parser.setContentHandler( Handler ) parser.parse("movies.xml")
3、MovieHandle
class MovieHandler(xml.sax.ContentHandler): def __init__(self, title, type, format, year, rating, stars, description): self.title = title self.type= type self.format= format self.year= year self.rating= rating self.stars= stars self.description= description self.is_new= False self.append_content = None def startElement(self, name, attrs): try: self.previous_tag = self.current_tag self.current_tag = name if self.year== 2022: self.is_new = True except Exception as e: raise Exception(e) def endElement(self, name): pass def characters(self, content): try: if self.append_content is None: self.append_content = content else: self.append_content += content except Exception as e: raise Exception(e)