在Python中处理XML的教程
XML虽然比JSON复杂,在Web中应用也不如以前多了,不过仍有很多地方在用,所以,有必要了解如何操作XML。
DOM vs SAX
操作XML有两种方法:DOM和SAX。DOM会把整个XML读入内存,解析为树,因此占用内存大,解析慢,优点是可以任意遍历树的节点。SAX是流模式,边读边解析,占用内存小,解析快,缺点是我们需要自己处理事件。
正常情况下,优先考虑SAX,因为DOM实在太占内存。
在Python中使用SAX解析XML非常简洁,通常我们关心的事件是start_element,end_element和char_data,准备好这3个函数,然后就可以解析xml了。
举个例子,当SAX解析器读到一个节点时:
1
|
<
a
href
=
"/"
>python</
a
>
|
会产生3个事件:
- start_element事件,在读取<a href="/">时;
- char_data事件,在读取python时;
- end_element事件,在读取</a>时。
用代码实验一下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
from
xml.parsers.expat
import
ParserCreate
class
DefaultSaxHandler(
object
):
def
start_element(
self
, name, attrs):
print
(
'sax:start_element: %s, attrs: %s'
%
(name,
str
(attrs)))
def
end_element(
self
, name):
print
(
'sax:end_element: %s'
%
name)
def
char_data(
self
, text):
print
(
'sax:char_data: %s'
%
text)
xml
=
r
'''<?xml version="1.0"?>
<ol>
<li><a href="/python">Python</a></li>
<li><a href="/ruby">Ruby</a></li>
</ol>
'''
handler
=
DefaultSaxHandler()
parser
=
ParserCreate()
parser.returns_unicode
=
True
parser.StartElementHandler
=
handler.start_element
parser.EndElementHandler
=
handler.end_element
parser.CharacterDataHandler
=
handler.char_data
parser.Parse(xml)
|
当设置returns_unicode为True时,返回的所有element名称和char_data都是unicode,处理国际化更方便。
需要注意的是读取一大段字符串时,CharacterDataHandler可能被多次调用,所以需要自己保存起来,在EndElementHandler里面再合并。
除了解析XML外,如何生成XML呢?99%的情况下需要生成的XML结构都是非常简单的,因此,最简单也是最有效的生成XML的方法是拼接字符串:
1
2
3
4
5
6
|
L
=
[]
L.append(r
'<?xml version="1.0"?>'
)
L.append(r
'<root>'
)
L.append(encode(
'some & data'
))
L.append(r
'</root>'
)
return
''.join(L)
|
如果要生成复杂的XML呢?建议你不要用XML,改成JSON。
小结
解析XML时,注意找出自己感兴趣的节点,响应事件时,把节点数据保存起来。解析完毕后,就可以处理数据。
练习一下解析Yahoo的XML格式的天气预报,获取当天和最近几天的天气:
http://weather.yahooapis.com/forecastrss?u=c&w=2151330
参数w是城市代码,要查询某个城市代码,可以在weather.yahoo.com搜索城市,浏览器地址栏的URL就包含城市代码。