python 3 xml 解析——迹忆客-ag捕鱼王app官网

xml 是一种可移植的开源语言，允许程序员开发可由其他应用程序读取的应用程序，而不管操作系统和/或开发语言如何。

什么是 xml？ xml 指可扩展标记语言（extensible markup language）。

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）。

本章节使用到的 xml 实例文件 movies.xml 内容如下：

   war, thriller
   dvd
   2003
   pg
   10
   talk about a us-japan war


   anime, science fiction
   dvd
   1989
   r
   8
   a schientific fiction

   
   anime, action
   dvd
   4
   pg
   10
   vash the stampede!


   comedy
   vhs
   pg
   2
   viewable boredom

使用 sax api 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响应，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。

startdocument() 方法

文档启动的时候调用。

enddocument() 方法

解析器到达文档结尾时调用。

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。

endelement(name) 方法

遇到xml结束标签时调用。

make_parser方法

以下方法创建一个新的解析器对象并返回。

xml.sax.make_parser( [parser_list] )

参数说明:

• parser_list - 可选参数，解析器列表

parser方法

以下方法创建一个 sax 解析器并解析xml文档：

xml.sax.parse( xmlfile, contenthandler[, errorhandler])

参数说明:

• xmlfile - xml文件名
• contenthandler - 必须是一个contenthandler的对象
• errorhandler - 如果指定该参数，errorhandler必须是一个sax errorhandler对象

parsestring方法

parsestring方法创建一个xml解析器并解析xml字符串：

xml.sax.parsestring(xmlstring, contenthandler[, errorhandler])

参数说明:

• xmlstring - xml字符串
• contenthandler - 必须是一个contenthandler的对象
• errorhandler - 如果指定该参数，errorhandler必须是一个sax errorhandler对象

示例

#!/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 = ""
   # call when an element starts
   def startelement(self, tag, attributes):
      self.currentdata = tag
      if tag == "movie":
         print ("*****movie*****")
         title = attributes["title"]
         print ("title:", title)
   # call when an elements ends
   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 = ""
   # call when a character is read
   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__"):
   
   # create an xmlreader
   parser = xml.sax.make_parser()
   # turn off namepsaces
   parser.setfeature(xml.sax.handler.feature_namespaces, 0)
   # override the default contexthandler
   handler = moviehandler()
   parser.setcontenthandler( handler )
   
   parser.parse("movies.xml")

上述代码执行结果如下：

*****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

完整的 sax api 文档请查阅

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，实例如下：

#!/usr/bin/python
from xml.dom.minidom import parse
import xml.dom.minidom
# open xml document using minidom parser
domtree = xml.dom.minidom.parse("movies.xml")
collection = domtree.documentelement
if collection.hasattribute("shelf"):
   print ("root element : %s" % collection.getattribute("shelf"))
# get all the movies in the collection
movies = collection.getelementsbytagname("movie")
# print detail of each movie.
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)

上述代码执行结果如下：

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

有关 dom api 文档的完整详细信息，请参阅标准。