XML是一种便携式的开源语言,允许程序员开发可由其他应用程序读取的应用程序,而不管操作系统和/或开发语言是什么。
1.什么是XML?
可扩展标记语言(XML)是一种非常像HTML或SGML的标记语言。 这是由万维网联盟推荐的,可以作为开放标准。
XML对于存储小到中等数量的数据非常有用,而不需要使用SQL。
2.XML解析器体系结构和API
Python标准库提供了一组极少使用但有用的接口来处理XML。两个最基本和最广泛使用在XML数据的API是SAX和DOM接口。简单XML API(SAX) - 在这里,注册感兴趣的事件回调,然后让解析器继续执行文档。 当文档较大或存在内存限制时,此功能非常有用,它会从文件读取文件时解析文件,并且整个文件不会存储在内存中。文档对象模型(DOM)API - 这是一个万维网联盟的推荐,它将整个文件读入存储器并以分层(基于树)的形式存储,以表示XML文档的所有功能。
当处理大文件时,SAX显然无法与DOM一样快地处理信息。 另一方面,使用DOM专门可以真正地占用资源,特别是如果要加许多文件使用的时候。
SAX是只读的,而DOM允许更改XML文件。由于这两种不同的API相辅相成,在大型项目中一般根据需要使用它们。
对于我们所有的XML代码示例,使用一个简单的XML文件:movies.xml
作为输入 -
<collection shelf = "New Arrivals">
<movie title = "Enemy Behind">
<type>War, Thriller</type>
<format>DVD</format>
<year>2013</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>
3.使用SAX API解析XML
SAX是事件驱动的XML解析的标准接口。 使用SAX解析XML通常需要通过子类化xml.sax.ContentHandler
来创建自己的ContentHandler
。ContentHandler
处理XML样式/风格的特定标签和属性。 ContentHandler
对象提供了处理各种解析事件的方法。它拥有的解析器在解析XML文件时调用ContentHandler
方法。
在XML文件的开头和结尾分别调用:startDocument
和endDocument
方法。 characters(text)
方法通过参数text
传递XML文件的字符数据。
ContentHandler
在每个元素的开头和结尾被调用。如果解析器不在命名空间模式下,则调用startElement(tag,attributes)
和endElement(tag)
方法; 否则,调用相应的方法startElementNS
和endElementNS
方法。 这里,tag
是元素标签,属性是Attributes
对象。
以下是继续前面了解的其他重要方法 -
make_parser()方法
以下方法创建一个新的解析器对象并返回它。创建的解析器对象将是系统查找的第一个解析器类型。
xml.sax.make_parser( [parser_list] )
以下是参数的详细信息 -
- parser_list - 可选参数,由使用哪个解析器的列表组成,必须全部实现
make_parser
方法。
parse()方法
以下方法创建一个SAX解析器并使用它来解析文档。
xml.sax.parse( xmlfile, contenthandler[, errorhandler])
以下是参数的详细信息 -
- xmlfile - 这是要读取的XML文件的名称。
- contenthandler - 这必须是
ContentHandler
对象。 - errorhandler - 如果指定,
errorhandler
必须是SAX ErrorHandler
parseString方法
还有一种方法来创建SAX解析器并解析指定的XML字符串。
xml.sax.parseString(xmlstring, contenthandler[, errorhandler])
以下是参数的详细信息 -
- xmlstring - 这是要读取的XML字符串的名称。
- contenthandler - 这必须是
ContentHandler
对象。 - errorhandler - 如果指定,
errorhandler
必须是SAXErrorHandler
对象。
示例
#!/usr/bin/python3
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 = ""
# Call when an element starts
def startElement(self, tag, attributes):
self.CurrentData = tag
if tag == "movie":
print ("*****Movie*****")
title = attributes["title"]
print ("Title:", title)
# Call when an elements ends
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 = ""
# Call when a character is read
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__"):
# create an XMLReader
parser = xml.sax.make_parser()
# turn off namepsaces
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# override the default ContextHandler
Handler = MovieHandler()
parser.setContentHandler( Handler )
parser.parse("movies.xml")