Python_016 XML解析

XML 指可擴展標記語言（eXtensible Markup Language）。

XML 被設計用來傳輸和存儲數據。

XML是一套定義語義標記的規則，這些標記將文檔分紅許多部件並對這些部件加以標識。

它也是元標記語言，即定義了用於定義其餘與特定領域有關的、語義的、結構化的標記語言的句法語言。

XML的解析

常見的XML編程接口有DOM和SAX，這兩種接口處理XML文件的方式不一樣，固然使用場合也不一樣。

python有三種方法解析XML，SAX，DOM，以及ElementTree:

1.SAX (simple API for XML )

pyhton 標準庫包含SAX解析器，SAX用事件驅動模型，經過在解析XML的過程當中觸發一個個的事件並調用用戶定義的回調函數來處理XML文件。

2.DOM(Document Object Model)

將XML數據在內存中解析成一個樹，經過對樹的操做來操做XML。

3.ElementTree(元素樹)

ElementTree就像一個輕量級的DOM，具備方便友好的API。代碼可用性好，速度快，消耗內存少。

注：因DOM須要將XML數據映射到內存中的樹，一是比較慢，二是比較耗內存，而SAX流式讀取XML文件，比較快，佔用內存少，但須要用戶實現回調函數（handler）。

本章節使用到的XML實例文件movies.xml內容以下：

<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>

使用SAX解析xml

SAX是一種基於事件驅動的API。

利用SAX解析XML文檔牽涉到兩個部分:解析器和事件處理器。

解析器負責讀取XML文檔,並向事件處理器發送事件,如元素開始跟元素結束事件;

而事件處理器則負責對事件做出相應,對傳遞的XML數據進行處理。

• 一、對大型文件進行處理；

• 二、只須要文件的部份內容，或者只需從文件中獲得特定信息。

• 三、想創建本身的對象模型的時候。

在python中使用sax方式處理xml要先引入xml.sax中的parse函數，還有xml.sax.handler中的ContentHandler。

 

ContentHandler類方法介紹

characters(content)方法

調用時機：

從行開始，遇到標籤以前，存在字符，content的值爲這些字符串。

從一個標籤，遇到下一個標籤以前， 存在字符，content的值爲這些字符串。

從一個標籤，遇到行結束符以前，存在字符，content的值爲這些字符串。

標籤能夠是開始標籤，也能夠是結束標籤。

startDocument()方法

文檔啓動的時候調用。

endDocument()方法

解析器到達文檔結尾時調用。

startElement(name, attrs)方法

遇到XML開始標籤時調用，name是標籤的名字，attrs是標籤的屬性值字典。

endElement(name)方法

遇到XML結束標籤時調用。

-----------------------------------------------------------------------------------------------------------

make_parser方法

如下方法建立一個新的解析器對象並返回。

xml.sax.make_parser( [parser_list] )

參數說明:

• parser_list - 可選參數，解析器列表

---

parser方法

如下方法建立一個 SAX 解析器並解析xml文檔：

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

參數說明:

• xmlfile - xml文件名

• contenthandler - 必須是一個ContentHandler的對象

• errorhandler - 若是指定該參數，errorhandler必須是一個SAX ErrorHandler對象

---

parseString方法

parseString方法建立一個XML解析器並解析xml字符串：

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

參數說明:

• xmlstring - xml字符串

• contenthandler - 必須是一個ContentHandler的對象

• errorhandler - 若是指定該參數，errorhandler必須是一個SAX ErrorHandler對象

解析XML實例

#coding=utf-8
#!/usr/bin/python

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 = ""

   # 元素開始事件處理
   def startElement(self, tag, attributes):
      self.CurrentData = tag
      if tag == "movie":
         print "*****Movie*****"
         title = attributes["title"]
         print "Title:", title

   # 元素結束事件處理
   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 = ""

   # 內容事件處理
   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__"):
   
   # 建立一個 XMLReader
   parser = xml.sax.make_parser()
   # turn off namepsaces
   parser.setFeature(xml.sax.handler.feature_namespaces, 0)

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

以上代碼執行結果以下：

*****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 文檔請查閱Python SAX APIs

使用xml.dom解析xml

文件對象模型（Document Object Model，簡稱DOM），是W3C組織推薦的處理可擴展置標語言的標準編程接口。

一個 DOM 的解析器在解析一個 XML 文檔時，一次性讀取整個文檔，把文檔中全部元素保存在內存中的一個樹結構裏，以後你能夠利用DOM 提供的不一樣的函數來讀取或修改文檔的內容和結構，也能夠把修改過的內容寫入xml文件。

python中用xml.dom.minidom來解析xml文件，實例以下：

#coding=utf-8
#!/usr/bin/python

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

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

# 在集合中獲取全部電影
movies = collection.getElementsByTagName("movie")

# 打印每部電影的詳細信息
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

以上程序執行結果以下：

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

完整的 DOM API 文檔請查閱Python DOM APIs。