xml解析

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。

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。

<psax适于处理下面的问题：< style="background-attachment: scroll; background-clip: border-box; background-image: none; background-origin: padding-box; background-position: 0% 0%; background-repeat: repeat; background-size: auto; border: 0px none rgb(51, 51, 51); color: rgb(51, 51, 51); font-family: "Helvetica Neue", Helvetica, "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Noto Sans CJK SC", "WenQuanYi Micro Hei", Arial, sans-serif; font-size: 12px; font-variant-numeric: normal; font-variant-east-asian: normal; margin: 0px; padding: 0px; text-align: left;" p="">

• 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。 

from xml.sax import ContentHandler, parse


class Student:
    def __init__(self,name=None,age=None,sex=None):
        self.name=name
        self.age=age
        self.sex=sex
        def __str__(self):
            return self.name+","+str(self.age)+self.sex
    class saxdemo(ContentHandler):
        def startDocument(self):
          print("startDocument")
        def endDocument(self):
            print("endDocument")
        def startElement(self, name, attrs):
            print("startElement:name:",name,"attrs:",attrs)
        def endElement(self, name):
            print("endElement:name:",name)
        def characters(self, content):
            print("charcters")
    parse("aa.xml",saxdemo())

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：

from xml.dom.minidom import parse

dom=parse('aa.xml')
coll=dom.documentElement
books=coll.getElementsByTagName("book")
for book in books:
    print("**********")
    if book.hasAttribute("id"):
        print("id:%s"% book.getAttribute("id"))

    bookname=book.getElementsByTagName("bookname")[0]
    print("书名是：%s"%bookname.childNodes[0].data)
    author=book.getElementsByTagName("author")[0]
    print("作者是：%s"%author.childNodes[0].data)
    price=book.getElementsByTagName("price")[0]
    print("售价：%s"%price.childNodes[0].data)