Python XML解析之SAX

Python XML解析之SAX

SAX，全称Simple API for XML，既是一种接口，也是一种软件包。它是一种XML解析的替代方法。SAX不同于DOM解析，它逐行扫描文档，一边扫描一边解析。由于应用程序只是在读取数据时检查数据，因此不需要将数据存储在内存中，这对于大型文档的解析是个巨大优势。

用sax解析xml需要继承ContentHandler，引入xml.sax中的parse函数
ContentHandler常用的方法：

1.startDocument()方法，文档启动的时候调用。

2.endDocument()方法，解析器到达文档结尾时调用。

3.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。

4.endElement(name)方法，遇到XML结束标签时调用，name是标签的名字。

5.characters(content)方法，读取标签文本内容，content是文本内容
解析people.xml文档：

<?xml  version="1.0"  encoding="utf-8"  ?>
<people>
    <person id="1">
        <name>张三</name>
        <age>18</age>
        <tel>1552644646446</tel>
    </person>

    <person id="2">
        <name>李四</name>
        <age>16</age>
        <tel>12599897</tel>
    </person>

    <person id="3">
        <name>王五</name>
        <age>17</age>
        <tel>21245478956</tel>
    </person>
</people>

还需要一个person.py，把数据封装到person中

class person:
    name=None
    age=None
    tel=None
    def __init__(self,name=None,age=None,tel=None):
        self.name=name
        self.age=age
        self.tel=tel
    def __repr__(self):
        return "{0:20}{1:<5}{2:15}".format(self.name,self.age,self.tel)

以下是用sax解析xml的代码：

#导入sax模块和person
import xml.sax
from person import person

class MyHandler(xml.sax.ContentHandler):#继承ContentHandler
    #初始化
    def __init__(self):
        self.person=None
        self.tag=None
        #文件开始读
    def startElement(self,name,attrs):#name是标签名字，attrs是标签的属性值
        self.tag=name
        if name == 'person':
            self.person=person()#如果标签名字是person，调用person()赋给self.person
        #文件结束读
    def endElement(self,name):#name是标签名字
        if name == 'person':
            global people#调用外部全局标量
            people.append(self.person)#如果标签名字是person，把解析完的数据加入到people的元组中
            self.person=None
        self.tag=None
        #读取标签中的文本内容
    def characters(self,content):#content代表文本内容
        if 'name'==self.tag:
            self.person.name = content#如果标签名字等于name，就把name中的文本内容赋给self.person.name
        if 'age'==self.tag:
            self.person.age = int(content)#如果标签名字等于age，就把age中的文本内容赋给self.person.age,并强制转换成int类型
        if 'tel'==self.tag:
            self.person.tel = content#如果标签名字等于tel，就把tel中的文本内容赋给self.person.tel

people=[]#创建一个空的元组
parse=xml.sax.make_parser()#创建一个新的解析器对象并返回
print(parse)
#关闭命名空间
#parse.setFeature(xml.sax.handler.feature_namespaces,0)

parse.setContentHandler(MyHandler())#重写MyHandler()方法
parse.parse("people.xml")#加载xml文档
for i in people:#通过for循环people元组，遍历xml中的文本内容
    print(i)