Python_解析xml

python对XML的解析

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，当然使用场合也不同。

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。

2.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。

本章节使用到的XML实例文件movies.x

有一xml文件如下：

<?xml version="1.0" encoding="UTF-8"?>
<newis>
	<newi>
		<name>zhangsan</name>
		<age>19</age>
		<sex>男</sex>
	</newi>
	<newi>
		<name>lisi</name>
		<age>22</age>
		<sex>男</sex>
	</newi>
	<newi>
		<name>wangwu</name>
		<age>18</age>
		<sex>女</sex>
	</newi>
</newis>

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  列如：

from xml.dom.minidom import parse
#加载xml文件
domTree = parse("newis.xml")
print(domTree)
root = domTree.documentElement
print(root)
#xml中的子节点
ps = root.getElementsByTagName("newi")
#domTree.getElementsByTagName()
#循环打印xml的内容
for p in ps:
    print(p.getElementsByTagName("name")[0].childNodes[0].data)
    print(p.getElementsByTagName("age")[0].childNodes[0].data)
    print(p.getElementsByTagName("sex")[0].childNodes[0].data)

结果如下：

<xml.dom.minidom.Document object at 0x000001A70F1FE588>
<DOM Element: newis at 0x1a70ef9ecc0>
zhangsan
19
男
lisi
22
男
wangwu
18
女

python使用SAX解析xml

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。

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。 列如：

from xml.sax import parse as par
import xml.sax
from xml.sax import ContentHandler
class newi:
    def __init__(self,name=None,age=None,sex=None):
        self.name = name
        self.age = age
        self.sex = sex
    def __str__(self):
        return "{0}\t{1}\t{2}".format(self.name,self.age,self.sex)
newis =[]
class myh(ContentHandler):
    def __init__(self):
        self.newi = None
        self.tag = None
    # 读取元素内容时调用（content：文本内容）
    def characters(self, content):
        if self.tag == "name":
            self.newi.name =content
        if self.tag == "age":
            self.newi.age = content
        if self.tag == "sex":
            self.newi.sex = content

    # 元素结束调用（name：元素名称）
    def startElement(self, name, attrs):
        self.tag = name
        if name == "newi":
            self.newi = newi()

    # 元素开始调用（name：元素名称，attrs：元素属性）
    def endElement(self, name):
        if name == 'newi':
            global newis  # 引用外部的全局变量
            newis.append(self.newi)
            self.newi = None
        self.tag = None

# 创建一个 XMLReader
parser = xml.sax.make_parser()

# 关闭命名空间（不验证命名空间）
parser.setFeature(xml.sax.handler.feature_namespaces, 0)

# 重写 ContextHandler
parser.setContentHandler(myh())

# 解析xml文档
parser.parse("newis.xml")
for y in newis:
    print(y)

结果如下：

zhangsan	19	男
lisi	22	男
wangwu	18	女