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")