python XML解析

最新推荐文章于 2023-06-26 16:01:16 发布

qq_41909666

最新推荐文章于 2023-06-26 16:01:16 发布

阅读量102

点赞数

什么是XML？

XML 指可扩展标记语言（e X tensible M arkup L anguage）。你可以通过本站学习 XML教程

XML 被设计用来传输和存储数据。

XML是一套定义语义标记的规则，这些标记将文档分成许多部件并对这些部件加以标识。

它也是元标记语言，即定义了用于定义其他与特定领域有关的、语义的、结构化的标记语言的句法语言。

python对XML的解析

常见的XML编程接口有DOM和SAX，这两种接口处理XML文件的方式不同，当然使用场合也不同。

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就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。

注：因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）。

本章节使用到的 XML 实例文件 movies.xml 内容如下：

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,如元素开始跟元素结束事件;

而事件处理器则负责对事件作出相应,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，或者只需从文件中得到特定信息。
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

以下方法创建一个新的解析器对象并返回。

xml . sax . make_parser ( [ parser_list ] )

参数说明:

parser_list - 可选参数，解析器列表

parser方法

以下方法创建一个 SAX 解析器并解析xml文档：

xml . sax . parse ( xmlfile , contenthandler [, errorhandler ])

参数说明:

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

parseString方法创建一个XML解析器并解析xml字符串：

xml . sax . parseString ( xmlstring , contenthandler [, errorhandler ])

参数说明:

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

Python 解析XML实例

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 " )

以上代码执行结果如下：

***** Movie ***** Title : Enemy Behind Type : War , Thriller Format : DVD Year : 2003 Rating : PG Stars : 10 Description : Talk about a US - Japan war ***** Movie ***** Title : Transformers Type : Anime , Science Fiction Format : DVD Year : 1989 Rating : R Stars : 8 Description : A schientific fiction ***** Movie ***** Title : Trigun Type : Anime , Action Format : DVD Rating : PG Stars : 10 Description : Vash the Stampede ! ***** Movie ***** Title : Ishtar Type : Comedy Format : VHS Rating : PG Stars : 2 Description : Viewable boredom

完整的 SAX API 文档请查阅 Python SAX APIs

使用xml.dom解析xml

文件对象模型（Document Object Model，简称DOM），是W3C组织推荐的处理可扩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：

实例

#!/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

以上程序执行结果如下：

Root element : New Arrivals ***** Movie ***** Title : Enemy Behind Type : War , Thriller Format : DVD Rating : PG Description : Talk about a US - Japan war ***** Movie ***** Title : Transformers Type : Anime , Science Fiction Format : DVD Rating : R Description : A schientific fiction ***** Movie ***** Title : Trigun Type : Anime , Action Format : DVD Rating : PG Description : Vash the Stampede ! ***** Movie ***** Title : Ishtar Type : Comedy Format : VHS Rating : PG Description : Viewable boredom

2.SAX 解析

sax 解析需要继承ContentHandler并重写其中的方法，ContentHandler类中常用方法如下

方法	参数	作用
startDocument()	self	文档启动时调用
endDocument()	self	解析器到达文档结尾时调用
startElement()	self,name:元素名称,attrs:元素属性	遇到XML开始标签时调用
endElement()	self,name:元素名称	遇到XML结束标签时调用
characters	self,content:文本内容	读取元素内容时调用

sax 模块常用方法

方法	作用
make_parser()	创建一个新的解析器对象并返回
parse()	创建一个 SAX 解析器并解析xml文档
parseString()	创建一个XML解析器并解析xml字符串

4.ElementTree

ElementTree 在 Python 中有两种实现

一种是纯 Python 实现：xml.etree.ElementTree

另一种是 C 语言实现：xml.etree.cElementTree

建议使用 C 语言实现的 ElementTree，因为它速度更快，占用内存更少

在程序中导入模块时这样写（如果C语言实现的不能使用再使用纯Python实现的）

ElementTree 中常用方法

方法	作用
parse(xmlfile)	加载xml文件
fromstring(xmltext)	加载xml文件
findall()	获取指定的所有节点
find()	获取指定的节点
getchildren()	获取儿子节点
getiterator()	获取指定的所有节点，与findall()类似