什么是XML?
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
|
ElementTree 中 常用属性
属性
|
作用
|
attrib
|
获取节点的属性及属性值(以元祖的形式返回)
|
tag
|
获取节点名称
|
text
|
获取节点的文本值
|