Python中使用SAX和ElementTree解析XML

XML介绍

• XML(eXtensible Markup Language) 指可扩展标记语言，被设计用来传输和存储数据
• 标签成对出现
• 区分大小写(大小写敏感)
• 标签要正确嵌套
• 开始部分：

XML的解析的三种方法：DOM和SAX和ElmentTree

DOM解析

• 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

SAX解析

• SAX是一种基于事件驱动的API，利用SAX解析XML牵涉到两个部分：解析器和事件处理器
• 其中解析器负责读取XML文档，并向事件处理器发送事件，如元素开始和结束事件；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。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。
• 常使用在如下的情况下：一、对大型文件进行处理；二、只需要文件的部分内容，或者只需从文件中得到特定信息；三、想建立自己的对象模型的时候。

ElementTree(元素树解析)

• 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。

注意：

• 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
• 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）
• ElementTree速度最快，代码简单，是我们解析XML的首选

代码演示

students.xml

<?xml version="1.0" encoding="utf-8"?>
<student title="student">
    <name>孟浩鹏</name>
    <age>23</age>
    <sex>男</sex>
    <score>150</score>
</student>

movies.xml

<?xml version="1.0" encoding="utf-8"?>
<collection shelf="影片推荐">
    <movie title="《战狼》">
        <type>爱国</type>
        <format>MP4</format>
        <year>2016</year>
        <rating>B</rating>
        <stars>8</stars>
        <description>超燃枪战大片</description>
    </movie>
    <movie title="《80后》">
        <type>青春</type>
        <format>3GP</format>
        <year>2003</year>
        <rating>A</rating>
        <stars>9</stars>
        <description>青春爱情故事</description>
    </movie>
</collection>

SAX解析XML

SAX解析XML方法一：

#!/usr/bin/python
# -*- coding: UTF-8 -*-
from xml.sax import ContentHandler
from xml.sax import parse
import xml.sax

"""
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。
"""


class MovieHandler(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
    def startElement(self, tag, attributes):
        self.CurrentData = tag
        if tag == "movie":
            print("*****Movie*****")

            title = attributes["title"]
            print("Title:", title)

    # 元素结束事件处理
    def endElement(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
    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 SAX 解析器并解析xml文档
    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
    xml.sax.parse(xmlfile, contenthandler[, errorhandler])
    """

    """
    创建一个 SAX 解析器并解析xml字符串
    xmlstring：xml字符串
    xml.sax.parseString(xmlstring, contenthandler[, errorhandler])
    """

    # 创建一个解析器对象并返回
    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")

    # parse("movies.xml", handler)

    print("over")

SAX解析XML方法二：

from xml.parsers.expat import ParserCreate


class Student:
    def __init__(self, name=None, age=None, sex=None, score=None):
        self.name = name
        self.age = age
        self.sex = sex
        self.score = score

    def __str__(self):
        return "姓名：{0}，年龄：{1}，性别：{2}，成绩：{3}".format(self.name, self.age, self.sex, self.score)


students = []


class MySaxHandler(object):
    def __init__(self):
        self.tag = None
        self.student = None

    def start_element(self, name, attrs):
        print('start_element: %s---attrs: %s' % (name, str(attrs)))
        self.tag = name
        if name == "student":
            self.student = Student()

    def char_data(self, text):
        print('content: %s' % text)
        if self.tag == "name":
            self.student.name = text
        if self.tag == "age":
            self.student.age = text
        if self.tag == "sex":
            self.student.sex = text
        if self.tag == "score":
            self.student.score = text

    def end_element(self, name):
        print('end_element: %s' % name)
        if name == "student":
            students.append(self.student)
            self.student = None
        self.tag = None


with open("students.xml", "r", encoding="utf-8") as stu:
    content = stu.read()

handler = MySaxHandler()
parser = ParserCreate()

parser.StartElementHandler = handler.start_element
parser.CharacterDataHandler = handler.char_data
parser.EndElementHandler = handler.end_element
parser.Parse(content)
for student in students:
    print(student)

ElementTree解析XML

try:
    import xml.etree.cElementTree as ET  # C实现的(推荐，因为解析更快)
except ImportError:
    import xml.etree.ElementTree as ET  # Python实现的
# 从Python3.3开始ElementTree模块会自动寻找可用的C库来加快速度

class Movie:
    def __init__(self, title=None, type=None, format=None, year=None, rating=None, description=None, stars=None):
        self.title = title
        self.type = type
        self.format = format
        self.year = year
        self.rating = rating
        self.stars = stars
        self.description = description

    def __str__(self):
        return "片名：{0}，类型：{1}，格式：{2}，年代：{3}，评级：{4}，星级：{5}，描述：{6},".format(self.title, self.type, self.format, self.year,
                                                                          self.rating, self.stars, self.description)


def analysis_xml(xml_name):
    """解析xml方法一"""
    people = []
    root = ET.parse(xml_name)
    data = root.findall("movie")
    for element in data:
        movie = Movie()
        movie.title = element.attrib["title"]
        movie.type = element.find("type").text
        movie.format = element.find("format").text
        movie.year = element.find("year").text
        movie.rating = element.find("rating").text
        movie.stars = element.find("stars").text
        movie.description = element.find("description").text
        people.append(movie)

    return people


def xml_analysis():
    """解析xml方法二"""
    tree = ET.ElementTree(file="movies.xml")
    root = tree.getroot()
    tag = root.tag
    attrib = root.attrib
    print(tag)
    print(attrib)
    print(attrib["shelf"])
    print("*" * 50)
    for child in root:
        print(child.tag)
        print(child.attrib)

        for num in range(0, len(child)):
            print("tag：%s---content：%s" % (child[num].tag, child[num].text))


def xml_parse():
    """解析xml方法三"""
    tree = ET.ElementTree(file="movies.xml")
    root = tree.getroot()
    for elem in tree.iter(tag="collection"):
        print("tag：%s--attrib：%s" % (elem.tag, elem.attrib))
    for elem in tree.iter(tag="movie"):
        print("tag：%s--attrib：%s" % (elem.tag, elem.attrib))
    print("*" * 50)
    for elem in tree.iter():
        print("tag：%s---content：%s" % (elem.tag, elem.text))


if __name__ == "__main__":

    movies = analysis_xml("movies.xml")
    for movie in movies:
        print(movie)
    # xml_analysis()
    # xml_parse()