XML基础(一)

于 2021-04-26 18:41:13 发布
阅读量708 收藏 1
点赞数
分类专栏： xml 文章标签： python xml
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43477218/article/details/116166974
版权

文章目录

XML基础（一）

XML简介

XML：可扩展标记语言

用途：XML用来传输和存储数据（或用来结构化数据）

XML的标签没有被预定义。需要自己手动定义标签。

XML实例：

<?xml version="1.0" encoding="UTF-8"?>
<test>
	<item></item>
</test>

XML需要写头信息声明，其他包才能识别这是一个xml文件。

XML的树状结构以及语法

XML文档类似于HTML文档，都是使用标签进行描述。其中的标签是一种树形结构。

<root [prop=]>
	<child [prop=]>
    	<child-msg [prop=]></child-msg>
    </child>
</root>

  1. 对于HTML有些标签可以不是闭合标签，但是在xml中所有标签都必须是闭合标签！

  2. xml标签对于大小写是敏感的。<Letter></Letter> | <letter></letter> 这两者是不一样的！

  3. 属性必须加引号，像HTML中有些属性是可以直接写值的，但是xml中不可以。

  4. 在xml中一些特殊的标签符号必须使用实体进行书写。例如<p>1 < 2</p> 这样xml解析器会将小于号当成一个新的元素开始的标志。 所以必须使用实体表示，例如：<p>1 &lt 2</p>。这样的实体并不多！

    &it ;<小于
    &gt ;>大于
    &amp ;&and符
    &apos ;’单引号
    &quot ;"双引号

  5. XML中空格会保留，不像HTML多个空格只留一个。

XML元素的命名规则

  • 名称可以包含数字，字母，其他字符
  • 名称不能以数字或标签符号开始
  • 名称不能以字母xml（XML、Xml、xML等等）开始
  • 名称不能包含空格

最好使用下划线命名，驼峰命名也是可以的

XML的可扩展性

下面的xml：

<root>
	<book>xxx</book>
    <name>xxx</name>
</root>

xml解析程序是可以获取到元素dom中的text的。那么我们进行扩展，xml解析器仍可以进行提取，因为是基于dom的，dom没有删除，那么就不会出错。 例如扩展成下面的样子：

<root>
	<book>xxx</book>
    <name>xxx</name>
    <id>xxx</id>
</root>
<root2>
	<id>xxx</id>
</root2>

XML的属性

xml属性通常提供不属于数据的信息，是dom元素的一些信息。例如：

<file type="docx">xxx</file>

正如之前说的，xml的属性必须加双引号。不管是字符串还是数值。

<file num="3">xxx</file>

在xml中应该避免书写属性。如果有一个信息既可以写成标签的属性，又可以写成标签的子元素，那么你尽量选择写成标签的子元素。这样方便与xml解析。

为什么要避免属性呢？

  • 属性不可以包含多个值
  • 属性不能包含树状结构
  • 属性不易扩展
  • 属性难以阅读与维护

一个原则是：元数据应该存储为数据，数据本身应该存储为元素！

XML的DTD

前面讲的只是为了将你的xml写成一个 “形式良好” 的xml。

通过 DTD（文档类型定义） 验证的xml才是 “合法” 的xml！

DTD的使用，例如：

<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE note SYSTEM "Note.dtd">
<root>
	<father>
        <name>xxx</name>
    	<chlid>
        	<name>xxx</name>
        </chlid>
    </father>
</root>

以上代码的 DOCTYPE 声明是对外部 DTD 文档的引用。

或直接引导文档里：

<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE note
[
        <!ELEMENT root (father)>
        <!ELEMENT name (#PCDATA)>
        <!ELEMENT father (name, child)>
        <!ELEMENT child (name)>
]>
<root>
	<father>
        <name>xxx</name>
    	<chlid>
        	<name>xxx</name>
        </chlid>
    </father>
</root>
DTD
<!DOCTYPE note
[
        <!ELEMENT root (father)>
        <!ELEMENT name (#PCDATA)>
        <!ELEMENT father (name, child)>
        <!ELEMENT child (name)>
]>

DTD还有一个替代者：XML Schema

DTD

DTD定义XML的书写标准，也可以看做XML的格式标准。

例如上面给的DTD代码：

<!DOCTYPE note
[
        <!ELEMENT root (father)>
        <!ELEMENT name (#PCDATA)>
        <!ELEMENT father (name, child)>
        <!ELEMENT child (name)>
]>
  • !DOCTYPE note：定义此文档是note类型的文档
  • !ELEMENT root：root元素有一个子元素father
  • !ELEMENT name：name元素是**#PCDATA**类型的

PCDATA与CDATA

PCDATA

PCDATA：被解析的字符数据（parsed character data），字符数据就是XML元素开始标签与结束标签之间的文本。

PCDATA 是会被解析器解析的文本，这些文本将被解析器检查实体以及标签。（文本中的标签会被当做标记处理，实体会展开成相应的东西）

CDATA

CDATA：字符数据（character data）

CDATA 是不会被解析的文本，这些文本中不会被解析器检查实体以及标签

DTD声明元素

DTD文档中也是通过元素来进行声明的。它声明的是xml文档中的元素

  • <!ELEMENT element-name category>
  • <!ELEMENT element-name (element-content)>

在声明xml元素的时候，一个元素可以对应多个规则，例如：

<!ELEMENT father (#PCDATA | name | child)>

说明 father 标签中可以包含：PCDATA文本，name元素，child元素。但是只能出现一次。

声明空元素

空元素对应的XML元素就是单闭合标签，其中不能包含文本，所以叫空

<!ELEMENT element-name EMPTY>
<!--例如-->
<!ELEMENT xyz EMPTY>

<xyz/>
声明只有 PCDATA文本 的元素

PCDATA元素对应的XML元素就是包含文本内容的双闭合标签，其中包含PCDATA文本。

<!ELEMENT element-name (#PCDATA)>
<!--例如：-->
<!ELEMENT name (#PCDATA)>

<name>xxxx &amp; xxxx</name>
声明带有子元素的元素

带有子元素的元素对应的XML就是包含子标签的双闭合标签。

<!ELEMENT element-name (child1, child2..., childN)>
<!--例如：-->
<!ELEMENT father (name, child)>

<father>
    <name>xxx</name>
    <chlid>
        <name>xxx</name>
    </chlid>
</father>
声明带有任何内容的元素

ANY元素对应的XML元素就是包含任意内容（标签，文本）的双闭合标签，可以包含任何可解析数据的组合。

<!ELEMENT element-name ANY>
<!--例如：-->
<!ELEMENT root ANY>

<root>
	<father>
        <name>xxx</name>
    	<chlid>
        	<name>xxx</name>
        </chlid>
    </father>
</root>
声明只出现一次的元素

声明只出现一次的元素对应的XML元素就是只在声明的元素内出现且只出现一次！

<!ELEMENT element-name (child-name)>
<!--例如：-->
<!ELEMENT root (father)>

<root>
	<father>
        <name>xxx</name>
    	<chlid>
        	<name>xxx</name>
        </chlid>
    </father>
</root>

father只在root中出现，且只出现一次。

声明至少出现一次的元素

声明至少出现一次的元素对应的XML元素就是只在声明的元素内出现，且至少出现一次。

<!ELEMENT element-name (child-name+)>
<!--例如:-->
<!ELEMENT root (father+)>

<root>
	<father>
        <name>xxx</name>
    	<chlid>
        	<name>xxx</name>
        </chlid>
    </father>
    <father>
    	<name>xxx</name>
    </father>
</root>
声明出现零次或多次的元素
<!ELEMENT element-name (child-name*)>
<!--例如：-->
<!ELEMENT root (father*)>
声明出现零次或一次的元素
<!ELEMENT element-name (child-name?)>
<!--例如：-->
<!ELEMENT root (father?)>

DTD声明属性

属性的声明使用以下的语法：

<!ATTLIST element-name arrtibute-name attribute-type arrtibute-value>
<!--attribute-value也可以叫做默认值-->
<!--例如：-->
<!ATTLIST payment type CDATA "check">

<payment type="check">
类型描述
CDATA值为字符数据 (character data)
(en1|en2|…)此值是枚举列表中的一个值
ID值为唯一的 id
IDREF值为另外一个元素的 id
IDREFS值为其他 id 的列表
NMTOKEN值为合法的 XML 名称
NMTOKENS值为合法的 XML 名称的列表
ENTITY值是一个实体
ENTITIES值是一个实体列表
NOTATION此值是符号的名称
xml:值是一个预定义的 XML 值

默认属性值可使用下列值 :

值解释
值属性的默认值
#REQUIRED属性值是必需的
#IMPLIED属性不是必需的
#FIXED value属性值是固定的

python解析XML

python有三种方式解析XML：SAX、DOM、ElementTree

  1. SAX（Simple API for XML）

    python标准库包含 SAX 解析器，SAX使用事件驱动，通过在解析XML过程中出发事件并调用回调函数处理XML

  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是一个轻量级的DOM，速度快，内存消耗少

SAX速度 > ElementTree速度 > DOM速度。但是SAX需要用户自己写回调函数进行处理！

例题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>

SAX解析XML

SAX是事件驱动的，那么就涉及到了两部分：解析器（parser）和事件处理器（handler）

handler用于定义遇到某标签时的回调函数，然后将事件处理器放到parser中代理，解析器解析xml文件时内部自动调用事件处理器！

ContentHandler

事件处理器必须继承自：xml.sax.handler.ContentHandler

其中有几个方法（这几个方法是回调函数）

  • def characters(content)方法

    调用时机：

    • 从行开始，到遇到标签之前，存在字符，content就是这些字符
    • 从一个标签开始，到下一个标签之前，存在字符，content就是这些字符
    • 从一个标签开始，到遇到行结束符之前，存在字符，content就是这些字符
    • 标签可以是开始标签也可以是结束标签。

  • def startDocument()方法

    文档启动时调用

  • def endDocument()方法

    文档结束时调用

  • def startElement(name, attrs)方法

    遇到XML开始标签时调用，name是标签名，attrs是标签的属性

  • def endElement(name)方法

    遇到XML结束标签时调用

parser

parser的一些方法来自xml.sax

其中有以下几个函数

  • xml.sax.make_parser([parser_list])

    创建一个新的解析器

    • parser_list：可选参数，解析器列表（选中参数的话，就是根据解析器创建一个新的解析器）

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

    解析一个xml文件

    • xmlfile：xml文件
    • contenthandler：事件处理器，必须是一个ContentHandler的实例
    • errorhandler：如果指定该参数，它必须也是一个ContentHandler的实例

  • xml.sax.parserString(xmlstring, contenthandler [, errorhandler])

    解析一个xml字符串

    • xmlstring：xm字符串
    • contenthandler：事件处理器，必须是一个ContentHandler的实例
    • errorhandler：如果指定该参数，它必须也是一个ContentHandler的实例

例如：这样一个解析过程

在这里我使用了一个小算法，handler内部遍历节点的过程是后序遍历树。所以我使得每个节点的num+1，如果是叶子节点，则减下来是0，加入字典。如果不是则减下来不是0。

from xml.sax.handler import ContentHandler
from xml.sax import make_parser
from xml.sax import parse

class MyHandler(ContentHandler):
    def __init__(self):
        super(MyHandler, self).__init__()
        self.current_dom = ''
        self.content = ''
        self.dic = {}
        self.stack = []
        self.num = 0
    
    def startElement(self, tag, attributes):
        self.current_dom = tag
        self.num += 1
        self.stack.append(self.num)
        
    def characters(self, content):
        self.content = content
        
    def endElement(self, tag):
        num = self.stack.pop()
        if (self.num - num) == 0:
            if tag in self.dic:
                self.dic[tag].append(self.content)
            else:
                self.dic[tag] = [self.content]
        print(self.content)
        
handler = MyHandler()
parser = make_parser()
parser.setContentHandler(handler)
parser.parse("test.xml")
print(handler.dic)

War, Thriller
DVD
2003
PG
10
Talk about a US-Japan war


Anime, Science Fiction
DVD
1989
R
8
A schientific fiction


Anime, Action
DVD
4
PG
10
Vash the Stampede!


Comedy
VHS
PG
2
Viewable boredom




{'type': ['War, Thriller', 'Anime, Science Fiction', 'Anime, Action', 'Comedy'], 'format': ['DVD', 'DVD', 'DVD', 'VHS'], 'year': ['2003', '1989'], 'rating': ['PG', 'R', 'PG', 'PG'], 'stars': ['10', '8', '10', '2'], 'description': ['Talk about a US-Japan war', 'A schientific fiction', 'Vash the Stampede!', 'Viewable boredom'], 'episodes': ['4']}

DOM解析XML

from xml.dom.minidom import parse
import xml.dom.minidom

DOMTree = xml.dom.minidom.parse("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
   print "Root element : %s" % collection.getAttribute("shelf")

movies = collection.getElementsByTagName("movie")

可以看出，它向js中的获取DOM节点类似。

＿愚者
关注
专栏目录
XML基础
justDoIt
07-06 264
XML基础 目录 XML基础... 1 一、         表单提交方式... 2 1.1        使用submit提交：... 2 1.2        Button提交方式... 2 1.3        超链接提交方式... 2 1.4        常用事件... 2 二、         Xml的简介... 2 2.1        Xml全称... 2 2.2        X...
XML基础及实践开发教程(唐琳-主编)习题答案.doc
07-21
一、XML 基础知识 * XML 的必要声明语法：`<?xml version="1.0" encoding="gb2312"?>` * XML 文档的分类：无效的 XML 文档、格式良好的 XML 文档、有效的 XML 文档 * XML 文档的逻辑构成：XML 必要声明、DTD 声明、...
xml基础
Galois
01-15 384
xml是什么： （eXtensible Markup Language）可扩展标记型语言，可以用来显示数据，但主要用来存储数据。 xml的应用： 1、不同系统之间传输数据的格式，如qq        2、用来表示生活中相互关联的数据        3、经常用于配置文件（如连接数据库或者修改数据库信息只需要修改配置文件即可不用修改源代码） xml的语法： 1、文档声明：.xml文件第一行
XML基础教程
02-24
XML 基础教程 XML（Extensible Markup Language）是一种标记语言，用于存储和传输数据。它不同于 HTML，后者主要用于显示数据，而 XML 的主要目标是传输和存储数据。XML 的设计宗旨是传输数据，而非显示数据。 XML...
XML基础教程课后习题解答.pdf
最新发布
03-26
XML 基础教程课后习题解答 XML（Extensible Markup Language）是一种标记语言，用于存储和传输数据。以下是 XML 基础教程课后习题解答的知识点总结： 一、HTML 和 XML 的区别 * HTML 用于描述数据的显示格式，而 ...
初识XML基础知识
10-23
XML，全称为可扩展标记语言（Extensible Markup Language），是一种用于标记电子文件使其具有结构性的标记语言。它不仅仅用于标记数据，还能定义数据类型，而且是...因此，XML成为了Web开发中不可或缺的基础技术之一。
android string.xml %1$s %d\%的用法
02-02
android string.xml %1$s %d\%的用法,动态修改里面的值
XML 基础
qq_35976650的博客
02-27 1316
文章目录一、XML文档规则1、文档声明2、标签（元素）定义3、标签属性4、xml注释5、实体与CDATA标记6、命名空间二、XPath1、XPath节点2、基本概念3、基础语法4、运算符和函数三、XML约束1、DTD简介2、 schema（xsd）简介四、XML的解析1、JAXP2、SAX解析XML3、Dom4j解析XML xml（Extensive Markup Language 可扩展标记语言...
XML基础知识——结构
Mia_Zhu的博客
07-18 2888
一、xml文件里面几个概念 1. 结点 2. 标签 3. 数据 4. 注释 1、首先xml文件是由一个标记结点和一个根结点组成的，标记结点就是，可能里面会有些许差别，比如多个属性少个属性什么的，但总会是以结尾，并且会且只会出现在xml文件开始的地方 2、其次，根结点就是除了标记结点外的另一个结点，所有的数据都会以某种形式存储到根节点的子节点中 3、一个结点必定是有始有终的，这
XML文件构成（语法，约束，文档解析）
WinnerBear的博客
01-06 4505
XML全称是Extensible Markup Language,意思是可扩展的标记语言，XML的标签是可以由用户自定义的。但是为了限定XML的内容，需要使用xml约束（DTD或Schema）,为了获取xml的内容，我们需要用dom4j（常用）进行解析。 XML语法 XML文档说明 &lt;?xml version="1.0" encoding="utf-8"?&gt; &lt;......
XML 转义字符
projl的专栏
04-09 591
在XML中有5个预定义的实体引用： < 小于 > > 大于 &
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值