博客

XML 可扩展标记语言，被设计用于传输和存储数据。常见的XML有DOM、SAX，这两种处理XML的方式不同，使用场景也不同。

python用于解析XML的方式有三种：DOM、SAX、ElementTree.

实例：movies.xml

<collection shelf="New Arrivals">
<movie title="Enemy Behind">
   <type>War, Thriller</type>
   <format>DVD</format>
   <year>2003</year>
   <rating>PG</rating>
   <stars>10</stars>
   <description>Talk about a US-Japan war</description>
</movie>
<movie title="Transformers">
   <type>Anime, Science Fiction</type>
   <format>DVD</format>
   <year>1989</year>
   <rating>R</rating>
   <stars>8</stars>
   <description>A schientific fiction</description>
</movie>
   <movie title="Trigun">
   <type>Anime, Action</type>
   <format>DVD</format>
   <episodes>4</episodes>
   <rating>PG</rating>
   <stars>10</stars>
   <description>Vash the Stampede!</description>
</movie>
<movie title="Ishtar">
   <type>Comedy</type>
   <format>VHS</format>
   <rating>PG</rating>
   <stars>2</stars>
   <description>Viewable boredom</description>
</movie>
</collection>

1、SAX（Simple API for XML）

python标准库包括SAX解析器，用事件驱动模型，在XML解析过程中触发一个个事件调用用户定义的回调函数来处理XML文件。

利用SAX对XML进行处理涉及两个部件：解析器和事件处理器。

解析负责解析XML，并向事件处理器发送事件，如元素开始和元素结束事件。事件处理器则对传过来的事件进行处理响应。

常见使用SAX解析XML文件的场景如下：

• 对大型文件进行处理。
• 只需要获取解析部分文件内容，获取特定信息。
• 只想建立自己的模型的时候

python中使用SAX解析XML，需要引入xml.sax中的parse函数，以及xml.sax.handler中的contentHandler。

（1）contentHandler类方法

characters(content) 方法 调用时机：从行开始，遇到标签之前，存在字符，content值存这些字符串；从一个标签开始遇到下一个标签之前，存在字符，content值为这些字符串；从一个标签开始遇到行结束符之前，存在字符，content值为这些字符串。标签可以为开始标签或结束标签。

• startDocument() 方法 文档启动时调用。
• endDocument() 方法 解析器到达文档结束时调用。
• startElement(name, attr) 方法 遇到XML开始标签时调用。name为标签名，attr为标签属性。
• endElement(name) 方法 遇到XML结束标签时使用。

（2）make_parse方法

创建一个新的解析器对象返回。

语法：

xml.sax.make_parse([parse_list])

参数：

pars_list –可选参数，解析器列表

（3）parse方法

创建一个SAX解析器对象并解析XML文档。

语法：

xml.sax.parse(xmlfile, contentHandler[, errorHandler])

参数：

xmlfile –xml文件

contentHandler –必须是一个contentHandler对象

errorHandler –若指定该参数，则必须为一个SAX ErrorHandler对象

（4）parseString方法

创建一个SAX解析器对象并解析XML字符串。

语法：

xml.sax.parse(XMLString, contentHandler[, errorHandler])

参数：

XMLString –xml字符串

contentHandler –必须是一个contentHandler对象

errorHandler –若指定该参数，则必须为一个SAX ErrorHandler对象

实例：

#!/usr/bin/python3

import xml.sax

class MovieHandler( xml.sax.ContentHandler ):
   def __init__(self):
      self.CurrentData = ""
      self.type = ""
      self.format = ""
      self.year = ""
      self.rating = ""
      self.stars = ""
      self.description = ""

   # 元素开始调用
   def startElement(self, tag, attributes):
      self.CurrentData = tag
      if tag == "movie":
         print ("*****Movie*****")
         title = attributes["title"]
         print ("Title:", title)

   # 元素结束调用
   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 = ""

   # 读取字符时调用
   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 XMLReader
   parser = xml.sax.make_parser()
   # 关闭命名空间
   parser.setFeature(xml.sax.handler.feature_namespaces, 0)

   # 重写 ContextHandler
   Handler = MovieHandler()
   parser.setContentHandler( Handler )
   
   parser.parse("movies.xml")

执行结果：

*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Year: 2003
Rating: PG
Stars: 10
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Year: 1989
Rating: R
Stars: 8
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Stars: 10
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Stars: 2
Description: Viewable boredom

2、DOM（Document Object Model）

将XML文件在内存中解析为树，再通过对树的操作来操作XML。

文件对象模型，时W3C推荐的处理可扩展置标语言的标准编程接口。

一个DOM解析器在解析XML文件时，会一次性的读取整个文档，将文档中所有元素都报错在内存的树结构里面，之后你可以利用DOM提供的不同的函数方法去读取或者修改文档结构，也可以将修改过的内容写入文档中。

python中使用xml.dom.minidom来解析XML对象。

实例：

#!/usr/bin/python3

from xml.dom.minidom import parse
import xml.dom.minidom

# 使用minidom解析器打开 XML 文档
DOMTree = xml.dom.minidom.parse("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
   print ("Root element : %s" % collection.getAttribute("shelf"))

# 在集合中获取所有电影
movies = collection.getElementsByTagName("movie")

# 打印每部电影的详细信息
for movie in movies:
   print ("*****Movie*****")
   if movie.hasAttribute("title"):
      print ("Title: %s" % movie.getAttribute("title"))

   type = movie.getElementsByTagName('type')[0]
   print ("Type: %s" % type.childNodes[0].data)
   format = movie.getElementsByTagName('format')[0]
   print ("Format: %s" % format.childNodes[0].data)
   rating = movie.getElementsByTagName('rating')[0]
   print ("Rating: %s" % rating.childNodes[0].data)
   description = movie.getElementsByTagName('description')[0]
   print ("Description: %s" % description.childNodes[0].data)

执行返回结果：

Root element : New Arrivals
*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Rating: PG
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Rating: R
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Description: Viewable boredom