python读取xml文件内容_Python解析XML文件

由于最近工作上需要大量XML文件里的内容，一个一个查看提取的话估计得到明年才能完事，不由得想起用Python写个小程序来解决这件事情。

XML是指可扩展标记语言，被设计用来传输和存储数据。本章节使用的XML实例文件works.xml内容如下：

敦刻尔克

诺兰

我的职业是小说家

村上春树

Python对XML的解析采用SAX (simple API for XML )模块。

python 标准库包含SAX解析器，SAX是一种基于事件驱动的API，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。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。在python中使用sax方式处理xml要先引入xml.sax.parse()，还有xml.sax.handler.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。

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

Python解析XML实例:

#!/usr/bin/python3

#encoding=utf-8

import xml.sax

import xml.sax.handler

class WorksHandler(xml.sax.ContentHandler):

def __init__(self):

self.CurrentData = ""

self.names = ""

self.author = ""

#元素开始事件处理

def startElement(self, tag, attributes):

self.CurrentData = tag

if tag == "works":

print("***内容***")

title = attributes["title"]

print("类型：",title)

#元素结束事件处理

def endElement(self, tag):

if self.CurrentData == "names":

print("名称：",self.names)

elif self.CurrentData == "author":

print("作者：",self.author)

self.CurrentData = ""

#内容事件处理

def characters(self, content):

if self.CurrentData == "names":

self.names = content

elif self.CurrentData == "author":

self.author = content

if (__name__ == "__main__"):

#创建一个XMLReader

parser = xml.sax.make_parser()

parser.setFeature(xml.sax.handler.feature_namespaces,0)

#重写ContextHandler

Handler = WorksHandler()

parser.setContentHandler(Handler)

parser.parse("works.xml")

以上代码执行结果如下：***内容***

类型： 电影

名称： 敦刻尔克

作者： 诺兰

***内容***

类型： 书籍

名称： 我的职业是小说家

作者： 村上春树

保存至TXT文件：python3 read_xml.py > works.txt

待解决问题：

（1）、不通过命令“>"如何保存提取的XML文件内容？

（2）、解析多个文件时，对于个别文件不存在的标签、属性名称如何判断？