python实现XML解析的三种方法
三种方法:一是xml.dom.*模块,它是W3C DOM API的实现,若需要处理DOM API则该模块很适合;二是xml.sax.*模块,它是SAX API的实现,这个模块牺牲了便捷性来换取速度和内存占用,SAX是一个基于事件的API,这就意味着它可以“在空中”处理庞大数量的的文档,不用完全加载进内存;三是xml.etree.ElementTree模块(简称 ET),它提供了轻量级的Python式的API,相对于DOM来说ET 快了很多,而且有很多令人愉悦的API可以使用,相对于SAX来说ET的ET.iterparse也提供了 “在空中” 的处理方式,没有必要加载整个文档到内存,ET的性能的平均值和SAX差不多,但是API的效率更高一点而且使用起来很方便。
1、DOM(Document Object Model)
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。
本文使用的示例文件movie.xml内容如下
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
python实现如下
#!/usr/bin/python#-*- coding: UTF-8 -*-
from xml.dom.minidom importparseimportxml.dom.minidom#使用minidom解析器打开 XML 文档
DOMTree = xml.dom.minidom.parse("movie.xml")#得到元素对象
collection =DOMTree.documentElementif collection.hasAttribute("shelf"):print("Root element : %s" % collection.getAttribute("shelf"))#获取标签名
#print(collection.nodeName)
#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
for movie inmovies:print("*****Movie*****")if movie.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)
year=movie.getElementsByTagName("year")if len(year)>0:print("Year: %s" %year[0].firstChild.data)#父节点 parentNode
#print(year[0].parentNode.nodeName)
rating = movie.getElementsByTagName('rating')[0]print("Rating: %s" %rating.childNodes[0].data)
description= movie.getElementsByTagName('description')[0]#显示标签对之间的数据
print("Description: %s" %description.childNodes[0].data)#print("Description: %s" % description.firstChild.data)
执行结果:
Root element : New Arrivals
*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Year: 2003
Rating: PG
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Year: 1989
Rating: R
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Description: Viewable boredom
2、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。
在python中,解析xml文件时,会选用ElementTree或者cElementTree,那么两者有什么不同呢?
1、cElementTree速度上要比ElementTree快,比较cElementTree是用c语音写的;
2、debug调试的时候,cElementTree是看不到解析的字段内容的,所以不适合用于调试的情况,而ElementTree可以看到解析的内容,方便调试时取值
3、在用到iter,迭代取某个标签时,cElementTree不能用,因为它没有这个函数,而ElementTree有这个函数;当然可能还有其他函数的差异
所有平时,我们一般这么用,比较速度快吗。调试的时候使用ElementTree。遇到某些特别的函数,只能选择拥有这个函数的使用
try:
import xml.etree.cElementTree as ET
except:
import xml.etree.ElementTree as ET
从Python3.3开始ElementTree模块会自动寻找可用的C库来加快速度
importxml.etree.ElementTree as ETimportsysimportos.pathdeftraverseXml(element):#print (len(element))
if len(element) >0:for child inelement:print("********Movie********")print("Title:",child.get("title"))for childchild inchild:print(childchild.tag,":",childchild.text)#traverseXml(child)
#else:
#print (element.tag, "----", element.attrib)
defreadXml(xmlFile):try:
tree=ET.parse(xmlFile)#print("tree type:", type(tree))
#获得根节点
root =tree.getroot()except Exception as e: #捕获除与程序退出sys.exit()相关之外的所有异常
print("parse ***.xml fail!")
sys.exit()#print("root type:", type(root))
#root.attrib访问root属性,root.tag标签
#print(root.tag, ":", root.attrib)
returnrootif __name__ == "__main__":
xmlFilePath= os.path.abspath("movie.xml")
root=readXml(xmlFilePath)## 使用下标访问
#print(root[0][0].text)
#print(root[1][2].text)
#根据标签名查找root下的所有标签
#movies=root.findall("movie")
#遍历子标签
#print(len(movies))
#for movie in movies:
#type=movie.find("type")
#print(type.text)
#遍历xml文件
traverseXml(root)
3、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。
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响应,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。
#!/usr/bin/python#-*- coding: UTF-8 -*-
importxml.saxclassMovieHandler(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=tagif tag == "movie":print("*****Movie*****")
title= attributes["title"]print("Title:", title)#元素结束事件处理
defendElement(self, tag):if self.CurrentData == "type":print("Type:", self.type)elif self.CurrentData == "format":print("Format:", self.format)elif self.CurrentData == "year":print("Year:", self.year)elif self.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
defcharacters(self, content):if self.CurrentData == "type":
self.type=contentelif self.CurrentData == "format":
self.format=contentelif self.CurrentData == "year":
self.year=contentelif self.CurrentData == "rating":
self.rating=contentelif self.CurrentData == "stars":
self.stars=contentelif self.CurrentData == "description":
self.description=contentif (__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("movie.xml")