Python3 XML解析
XML 指可扩展标记语言(eXtensible Markup Language),标准通用标记语言的子集,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。我们在对软件、框架进行配置的时候就经常使用到XML文件,而在一些数据量较少的软件中,XML也可以作为数据库的替代品进行数据储存。
常见的XML编程接口有DOM和SAX,这两种接口处理XML文件的方式不同,使用场合也不同。
1.DOM(Document Object Model)
将XML数据在内存中解析成一个树,通过对树的操作来操作XML。
我在本次使用的XML文件是:
<?xml version="1.0" encoding="utf-8" ?>
<persons>
<person>
<name>zs</name>
<age>12</age>
<sex>男</sex>
</person>
<person>
<name>ls</name>
<age>14</age>
<sex>女</sex>
</person>
<person>
<name>ww</name>
<age>11</age>
<sex>男</sex>
</person>
</persons>
使用DOM操作XML
from xml.dom.minidom import parse
domTree = parse("persons.xml")
print(domTree)
root = domTree.documentElement
print(root)
ps = root.getElementsByTagName("person")
for p in ps:
print(p.getElementsByTagName("name")[0].childNodes[0].data)
我们先用minidom模块的parse()函数解析"persons.xml"得到一个Document对象,再用.documentElement找到它的根节点,以根节点为基准,找到它底下我们所需要的节点集合,再遍历查找。
2.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。
from xml.sax import parse as saxparse
from xml.sax import ContentHandler
class Person:
def __init__(self,name=None,age=None,sex=None):
self.name = name
self.age = age
self.sex = sex
def __str__(self):
return "{0},{1},{2}".format(self.name,self.age,self.sex)
persons =[]
class Myh(ContentHandler):
def __init__(self):
self.person = None
self.tag = None
def startElement(self, name, attrs):
self.tag = name
if name == "person":
self.person = Person()
def characters(self, content):
if self.tag =="name":
self.person.name = content
if self.tag =="age":
self.person.age = content
if self.tag =="sex":
self.person.sex = content
def endElement(self, name):
if name =="person":
persons.append(self.person)
self.tag =None
myh = Myh()
ps = saxparse("persons.xml",myh)
for p in persons:
print(p)
SAX解析需要导入xml.sax模块
首先定义一个类person,用来接收xml文件中的数据。
因为sax解析需要一个事件解析器,所以我们定义一个类,继承ContentHandler来完成。
其中构造方法中的person是在解析时接收数据的临时变量,而tag是用来记录解析标签的名称,在其他方法中使用来起到控制作用。
startElement和endElement是在开始和结束解析一个标签时触发的事件,当开始解析时,我们判断这个标签是不是一段数据的开始,如果是,就创建一个新的对象准备接受数据,并在结束解析的时候将它添加到之前创建的List中。
在SAX解析中characters(content)方法十分重要,我们的数据提取就在这个方法中完成。
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。
<person>
<name>zs</name>
<age>12</age>
<sex>男</sex>
</person>
拿这段xml代码来看,<person>和</person>之间,它的值就是:空行、zs、空行、12、空行、男、空行。
我们在提取数据时肯定不会需要这么多的空行,所以就用到了我们之前定义的tag,它记录了当前在解析的标签名称,所以在tag=我们所需的标签名称时,就把characters(content)的content,也就是当前两个标签之间的字符赋给之前创建的对象person对象。