什么是XML?
XML 指可扩展标记语言(eXtensible Markup Language)。
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:
War, ThrillerDVD2003PG10Talk about a US-Japan warAnime, Science FictionDVD1989R8A schientific fictionAnime, ActionDVD4PG10Vash the Stampede!ComedyVHSPG2Viewable boredom
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
#!/usr/bin/python# -*- coding: UTF-8 -*-importxml.sax
classMovieHandler(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defstartElement(self,tag,attributes):self.CurrentData=tag
iftag =="movie":print"*****Movie*****"title =attributes["title"]print"Title:",title
# 元素结束事件处理defendElement(self,tag):ifself.CurrentData=="type":print"Type:",self.type
elifself.CurrentData=="format":print"Format:",self.format
elifself.CurrentData=="year":print"Year:",self.year
elifself.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:EnemyBehindType:War,ThrillerFormat:DVD
Year:2003Rating:PG
Stars:10Description:Talkabout a US-Japanwar
*****Movie*****Title:TransformersType:Anime,ScienceFictionFormat:DVD
Year:1989Rating:R
Stars:8Description:A schientific fiction
*****Movie*****Title:TrigunType:Anime,ActionFormat:DVD
Rating:PG
Stars:10Description:Vashthe Stampede!*****Movie*****Title:IshtarType:ComedyFormat:VHS
Rating:PG
Stars:2Description:Viewableboredom
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:
#!/usr/bin/python# -*- coding: UTF-8 -*-fromxml.dom.minidom importparse
importxml.dom.minidom
# 使用minidom解析器打开 XML 文档DOMTree=xml.dom.minidom.parse("movies.xml")collection =DOMTree.documentElement
ifcollection.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formovie inmovies:print"*****Movie*****"ifmovie.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:
Rootelement :NewArrivals*****Movie*****Title:EnemyBehindType:War,ThrillerFormat:DVD
Rating:PG
Description:Talkabout a US-Japanwar
*****Movie*****Title:TransformersType:Anime,ScienceFictionFormat:DVD
Rating:R
Description:A schientific fiction
*****Movie*****Title:TrigunType:Anime,ActionFormat:DVD
Rating:PG
Description:Vashthe Stampede!*****Movie*****Title:IshtarType:ComedyFormat:VHS
Rating:PG
Description:Viewableboredom