python2.7入門---XML解析

    首先咱們先來考慮，什麼是XML？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。

    瞭解了上面的內容，咱們就來看一下python對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。首先就是SAX (simple API for XML )。python 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。其次是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。最後就是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。在這裏要注意下，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）。

    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>

    如今來看python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。下面來看ContentHandler方法類介紹：首先，characters(content)方法的調用時機爲：從行開始，遇到標籤以前，存在字符，content的值爲這些字符串。還有從一個標籤，遇到下一個標籤以前， 存在字符，content的值爲這些字符串。再來就是從一個標籤，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。接下來就是startDocument()方法，在文檔啓動的時候調用。endDocument()方法在解析器到達文檔結尾時調用。startElement(name, attrs)方法在遇到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)方法在遇到XML結束標籤時調用。

    上面的瞭解完畢後，就能夠來看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

    如下方法建立一個 SAX 解析器並解析xml文檔：

 

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

    參數說明以下：

 

• 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])

    參數說明以下：

 

• 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

    接下來咱們就來看個實例：

 

#!/usr/bin/python
# -*- coding: UTF-8 -*-  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。咱們再來使用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：

 

#!/usr/bin/python
# -*- coding: UTF-8 -*-  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。好啦，此次就到這裏了。若是感受不錯的話，請多多點贊支持哦。。。

　　原文連接：https://blog.csdn.net/luyaran/article/details/80005231