Python XML 解析

python有三种方法解析XML：

·SAX(simple API for XML):python标准库包含SAX解析器，SAX是事件驱动模型，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。

·DOM(Document Object Model):将XML数据在内存中解析成一个树，通过对树的操作来操作XML。

·ElementTree(元素树):ElementTree就像一个轻量级的DMO，具有方便友好的API。代码可用性好，速度快，消耗内存少。

·注意：因DOM需要将XML数据映射到内存中的树，一是比较慢，而是比较耗内存，而SAX流式读取XML文件，比较快，占用内存少，但需要用户实现回调函数(handler).

用例(movies.xml)

<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>

 

python使用SAX解析XML

 

   SAX是一种基于事件驱动的API。

   利用SAX解析XML文档牵涉到两个部分：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，如元素开始和元素结束事件。

   而事件处理器则负责对事件做出响应，对传递的XML数据进行处理。

   ·对大型文件进行处理；

   ·只需要文件的部分内容，或者只需要从文件中得到特定的信息；

   ·想建立自己的对象模型的时候。

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

startDocument()方法

   文档启动的时候调用

endDocument()方法

   解析器到达文档结尾时调用

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；

endElement(name）方法

   遇到XML结束标签时调用

 

make_parser方法

xml.sax.make_parser( [parser_list] ) //创建一个新的解析器对象并返回

·parser_list - 可选参数，解析器列表

parser方法

xml.sax.parse( xmlfile, contenthandler[, errorhandler]) //创建一个SAX解析器并解析xml文档

·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

xml.sax.parseString(xmlstring, contenthandler[, errorhandler]) //创建一个XML解析器并解析xml字符串

·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

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
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")

 

使用xml.dom解析xml

 

    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。

    python中用xml.dom.minidom来解析xml文件，实例如下：

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
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

参考：

https://www.yuque.com/docs/share/3d1b80cc-ae6c-417f-b536-b6bd4caae879