在Python中处理XML的教程

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：

1.     start_element事件，在读取<a href="/">时；
2.     char_data事件，在读取python时；
3.     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。