Python3之XML解析

一、概念

XML 是可扩展标记语言（eXtensible Markup Language），是标准通用标记语言的子集，也是一种用于标记电子文件使其具有结构性的标记语言

XML 被设计用来传输和存储数据（当使用数据库存储数据时，不建议使用XML储存数据）

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

XML文件格式介绍：

格式：<tag attrib = > text </tag> tail
例：

<APP_KEY channel = 'CSDN'> hello123456789 </APP_KEY>

说明：
1、tag，即标签：用于标识该元素表示哪种数据，即APP_KEY；
2、attrib，即属性：用字典(Dictionary)形式保存，即{‘channel’ = ‘CSDN’}；
3、text，文本字符串：可以用来存储一些数据，即hello123456789；
4、tail，尾字符串：非必需，例子中没有包含；

该博客使用的 XML 文件：
<collection shelf="New Arrivals"> <movie title="战狼2"> <type director = '吴京'>战争片, 故事片</type> <format>DVD</format> <year>2018</year> <rating>PG</rating> <stars>10</stars> <description>吴京导演的一部爱国主义题材电影</description> </movie> <movie title="北京爱上西雅图"> <type>爱情片</type> <format>DVD</format> <year>2017</year> <rating>R</rating> <stars>8</stars> <description>美好的爱情故事</description> </movie> <movie title="唐人街探案2"> <type>喜剧,故事片</type> <format>DVD</format> <episodes>4</episodes> <rating>PG</rating> <stars>10</stars> <description>王宝强和刘昊然第二次合作探案</description> </movie> <movie title="大鱼海棠"> <type>动画</type> <format>VHS</format> <rating>PG</rating> <stars>2</stars> <description>国产动画片</description> </movie> </collection>

二、Python3 对 XML 的解析方式

Python 3对 XML 的解析方式一般有三种，即：SAX、DOM 和 ElementTree

2.1、SAX 方式（simple API for XML）

Python标准库包含 SAX 解析器，SAX 使用事件驱动模型，通过解析 XML 时触发一个个的事件并调用用户自定义的回调函数来解析 XML 文件

2.2、DOM 方式（Document Object Model）

将 XML 文件在内存中解析成一个树，通过对树的操作来解析 XML

三、Python3 使用 SAX 解析 XML

SAX API 文档地址

SAX 是一种基于事件驱动的 API，使用 SAX 解析 XML 涉及到两个部分：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；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。

Python3 中使用 SAX 方式处理 XML 时需要先引入 xml.sax 中的 parse() 函数，还有 xml.sax.handler 中的 ContentHandler()函数

3.1、ContentHandler类方法

characters(content) 方法
调用位置：
1、从行开始，遇到标签之前，若存在字符，content 的值为这些字符串；
2、从一个标签，遇到下一个标签之前， 若存在字符，content 的值为这些字符串；
3、从一个标签，遇到行结束符之前，若存在字符，content 的值为这些字符串；
4、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

3.2、make_parser()方法

make_parser()方法创建一个新的解析器对象并返回，语法为：

xml.sax.make_parser([parser_list])

parser_list：可选参数，解析器列表

3.3、parser()方法

parser()方法创建一个 SAX 解析器并解析xml文档，语法为：

xml.sax.parser(xmlfile , contenthandler, errorhandler)

xmlfile：xml文件名
contenthandler：必须是一个 ContentHandler 对象
errorhandler：如果指定该参数，errorhandler 必须是一个 SAX ErrorHandler 对象

3.4、parserString()方法

parserString()方法创建一个新的解析器并解析XML字符串，语法为：

xml.sax.parserString(xmlstring , contenthandler , errorhandler)

xmlstring：xml字符串
contenthandler：必须是一个 ContentHandler 对象
errorhandler：如果指定该参数，errorhandler 必须是一个 SAX ErrorHandler 对象

"""
使用SAX解析XML文件
"""

# 1、导入SAX包
from  xml import sax

# 2、创建contenthandler类，继承xml.sax.ContentHandler
class Moviehandler(sax.ContentHandler