Python解析xml

Python xml解析
xml是什么?
extensible markup language 扩展标记语言
xml被设计用来传输和存储数据，是一套定义语义标记的规则，用来传输和存储数据
xml解析的方法?
DOM和SAX解析，这两种接口处理XML文件的方式不同，当然是用场合也不同
python有三种方法解析XML,SAX,DOM以及ElementTree
1.SAX(simple API for xml)
python标准库包含SAX解析器，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。
2.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
3.ElementTree(元素树)
ElementTree像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少

SAX和DOM解析的优缺点:
    DOM需要将XML数据映射到内存中的树，一是比较慢，二是比较耗内存，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)

movies.xml如下

<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>

dom解析:

# -*- coding: utf-8 -*-
# @Author: xiweibo
# @Date:   2018-08-29 15:07:51
# @Last Modified by:   Clarence
# @Last Modified time: 2018-08-29 22:57:50
"""
python2实现xml解析 python3实现模块相同，与示例代码相同(除了print)
使用xml.dom解析xml
文件对象模型(document Object Model, 简称DOM),处理可拓展置标语言的标准编程接口
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，也可以把修改过得内容写入xml
"""
import xml.dom.minidom

#使用minidom解析器打开XML文档
DOMTree = xml.dom.minidom.parse("movies.xml")
# Document.documentElement
# The one and only root element of the document.
# Element.hasAttribute(name)
# Returns true if the element has an attribute named by name.
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
	print "Root element: %s" %(collection.getAttribute("shelf"))

# 在集合中获取所有电影
# Document.getElementsByTagName(tagName)
# Search for all descendants (direct children, children’s children, etc.) with a particular element type name.
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"))

	movieType = movie.getElementsByTagName('type')[0]
	# Node.childNodes
	# A list of nodes contained within this node. This is a read-only attribute.
	print "Type: %s" % (movieType.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)

sax解析:

# -*- coding: utf-8 -*-
# @Author: xiweibo
# @Date:   2018-08-29 14:25:37
# @Last Modified by:   Clarence
# @Last Modified time: 2018-08-29 23:53:10

"""
python2 实现xml解析 python3实现模块相同，与示例代码相同(除了print)
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
而事件处理器则负责对事件作出响应，对传递的XML数据进行处理 
1.对大型文件进行处理
2.只需要文件的部分内容
3.想建立自己的对象模型的时候

在Python中使用sax方式处理xml要先引入xml.sax中的parse函数，还有xml.sax.handler中的ContentHandler
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
	参数: parser_list-可选参数，解析器列表
parser方法
	xml.sax.parse(xmlfile, contenthandler[, errorhandler])
	创建一个新的SAX解析器并解析xml文档
	参数: 
		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])
	创建一个新的SAX解析器并解析xml字符串
	参数:
	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
"""
import xml.sax 

class MovieHandler( xml.sax.ContentHandler ):
	def __init__(self):
		self.CurrentData = ""
		self.type = ""
		self.format = ""
		self.year = ""
		self.rating = ""
		self.starts = ""
		self.description = ""

	# 元素开始事件处理 tag元素标签名 attrbutes元素标签所在的属性字典
	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 == "starts":
			print "Starts:", self.starts
		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 == "starts":
			self.starts = content
		elif self.CurrentData == "description":
			self.description = content


if __name__ == "__main__":

	# 创建一个XMLReader
	parser = xml.sax.make_parser()
	# turn off namespaces 
	parser.setFeature(xml.sax.handler.feature_namespaces, 0)

	# 重写ContextHandler
	Handler = MovieHandler()
	parser.setContentHandler(Handler)

	parser.parse("movies.xml")