xml解析

xml解析
什么是XML？
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。 你可以通过本站学习XML教程
XML 被设计用来传输和存储数据。
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。

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。
3.ElementTree(元素树)
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：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，而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）。
实例（01.xml）：
<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE books [
        <!ELEMENT books (book+)>
        <!ELEMENT book (bookname,money,name)>
        <!ELEMENT bookname (#PCDATA)>
        <!ELEMENT money (#PCDATA)>
        <!ELEMENT name (#PCDATA)>
        <!ATTLIST book id CDATA #REQUIRED>
        ]>
<books>
    <book id="1">
        <bookname>西游记</bookname>
        <money>50元</money>
        <name>吴承恩</name>
    </book>
    <book id="2">
        <bookname>水浒传</bookname>
        <money>60元</money>
        <name>施耐庵</name>
    </book>
</books>

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。
实例：
from xml.dom.minidom import parse
class Book(object):
    def __init__(self,bookname=None,money=None,name=None):
        self.bookname=bookname
        self.money=money
        self.name=name
    def __str__(self):
        return self.bookname+'\t'+self.money+'\t'+self.name
books=[]
doc=parse('01.xml')
print(doc)
#得到根节点
root=doc.documentElement
print(root)
#得到需要的节点
book=root.getElementsByTagName('book')
for b in book:
    bookname=b.getElementsByTagName('bookname')[0].childNodes[0].data
    money=b.getElementsByTagName('money')[0].childNodes[0].data
    name=b.getElementsByTagName('name')[0].childNodes[0].data
    #print(bookname,money,name)
    books.append(Book(bookname,money,name))
print('书名：\t价格:\t作者:')
for book in books:
    print(book)
结果：
<xml.dom.minidom.Document object at 0x04BEBA08>
<DOM Element: books at 0x4b83300>
书名： 价格: 作者:
西游记 50元 吴承恩
水浒传 60元 施耐庵

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：
startDocument()方法
文档启动的时候调用。
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。
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。
endElement(name)方法
遇到XML结束标签时调用。
endDocument()方法

解析器到达文档结尾时调用。

实例：

from xml.sax import parse
import xml.sax
class SaxParse(xml.sax.ContentHandler):
    def startDocument(self):
        print('start doc...')
        pass
    def startElement(self,name,attrs):
        print('name:',name)
        print('attrs:',attrs)
        pass
    def characters(self,content):
        print('content:',content)
        pass
    def endElement(self, name):
        print('name:',name)
        pass
    def endDocument(self):
        print('end doc...')
        pass
sax=parse('01.xml',SaxParse())
print(sax)