Python XML 解析

2022-07-04 14:54 更新

Python XML 解析

什么是 XML？

XML 指可擴(kuò)展標(biāo)記語(yǔ)言（eXtensible Markup Language）。 你可以通過本站學(xué)習(xí)XML教程

XML 被設(shè)計(jì)用來傳輸和存儲(chǔ)數(shù)據(jù)。

XML 是一套定義語(yǔ)義標(biāo)記的規(guī)則，這些標(biāo)記將文檔分成許多部件并對(duì)這些部件加以標(biāo)識(shí)。

它也是元標(biāo)記語(yǔ)言，即定義了用于定義其他與特定領(lǐng)域有關(guān)的、語(yǔ)義的、結(jié)構(gòu)化的標(biāo)記語(yǔ)言的句法語(yǔ)言。

python 對(duì) XML 的解析

常見的 XML 編程接口有 DOM 和 SAX，這兩種接口處理 XML 文件的方式不同，當(dāng)然使用場(chǎng)合也不同。

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

1.SAX (simple API for XML )

pyhton 標(biāo)準(zhǔn)庫(kù)包含 SAX 解析器，SAX 用事件驅(qū)動(dòng)模型，通過在解析 XML 的過程中觸發(fā)一個(gè)個(gè)的事件并調(diào)用用戶定義的回調(diào)函數(shù)來處理 XML 文件。

2.DOM(Document Object Model)

將 XML 數(shù)據(jù)在內(nèi)存中解析成一個(gè)樹，通過對(duì)樹的操作來操作 XML。

3.ElementTree(元素樹)

ElementTree 就像一個(gè)輕量級(jí)的 DOM，具有方便友好的 API。代碼可用性好，速度快，消耗內(nèi)存少。

注：因 DOM 需要將 XML 數(shù)據(jù)映射到內(nèi)存中的樹，一是比較慢，二是比較耗內(nèi)存，而 SAX 流式讀取 XML 文件，比較快，占用內(nèi)存少，但需要用戶實(shí)現(xiàn)回調(diào)函數(shù)（handler）。

本章節(jié)使用到的 XML 實(shí)例文件 movies.xml 內(nèi)容如下：

<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>

python 使用 SAX 解析 xml

SAX 是一種基于事件驅(qū)動(dòng)的 API。

利用 SAX 解析 XML 文檔牽涉到兩個(gè)部分: 解析器和事件處理器。

解析器負(fù)責(zé)讀取 XML 文檔, 并向事件處理器發(fā)送事件, 如元素開始跟元素結(jié)束事件;

而事件處理器則負(fù)責(zé)對(duì)事件作出相應(yīng), 對(duì)傳遞的 XML 數(shù)據(jù)進(jìn)行處理。

  • 1、對(duì)大型文件進(jìn)行處理；
  • 2、只需要文件的部分內(nèi)容，或者只需從文件中得到特定信息。
  • 3、想建立自己的對(duì)象模型的時(shí)候。

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

ContentHandler 類方法介紹

characters(content) 方法

調(diào)用時(shí)機(jī)：

從行開始，遇到標(biāo)簽之前，存在字符，content 的值為這些字符串。

從一個(gè)標(biāo)簽，遇到下一個(gè)標(biāo)簽之前， 存在字符，content 的值為這些字符串。

從一個(gè)標(biāo)簽，遇到行結(jié)束符之前，存在字符，content 的值為這些字符串。

標(biāo)簽可以是開始標(biāo)簽，也可以是結(jié)束標(biāo)簽。

startDocument() 方法

文檔啟動(dòng)的時(shí)候調(diào)用。

endDocument() 方法

解析器到達(dá)文檔結(jié)尾時(shí)調(diào)用。

startElement(name, attrs) 方法

遇到 XML 開始標(biāo)簽時(shí)調(diào)用，name 是標(biāo)簽的名字，attrs 是標(biāo)簽的屬性值字典。

endElement(name) 方法

遇到 XML 結(jié)束標(biāo)簽時(shí)調(diào)用。

make_parser 方法

以下方法創(chuàng)建一個(gè)新的解析器對(duì)象并返回。

xml.sax.make_parser( [parser_list] )

參數(shù)說明:

  • parser_list - 可選參數(shù)，解析器列表

parser方法

以下方法創(chuàng)建一個(gè) SAX 解析器并解析 xml 文檔：

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

參數(shù)說明:

  • xmlfile - xml 文件名
  • contenthandler - 必須是一個(gè) ContentHandler 的對(duì)象
  • errorhandler - 如果指定該參數(shù)，errorhandler 必須是一個(gè) SAX ErrorHandler 對(duì)象

parseString 方法

parseString 方法創(chuàng)建一個(gè) XML 解析器并解析 xml 字符串：

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

參數(shù)說明:

  • xmlstring - xml 字符串
  • contenthandler - 必須是一個(gè) ContentHandler 的對(duì)象
  • errorhandler - 如果指定該參數(shù)，errorhandler 必須是一個(gè) SAX ErrorHandler 對(duì)象

Python 解析 XML 實(shí)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(jié)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(nèi)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__"):
   
   # 創(chuàng)建一個(gè) 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(zhí)行結(jié)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 文檔請(qǐng)查閱 Python SAX APIs

使用 xml.dom 解析 xml

文件對(duì)象模型（Document Object Model，簡(jiǎn)稱 DOM），是 W3C 組織推薦的處理可擴(kuò)展置標(biāo)語(yǔ)言的標(biāo)準(zhǔn)編程接口。

一個(gè) DOM 的解析器在解析一個(gè) XML 文檔時(shí)，一次性讀取整個(gè)文檔，把文檔中所有元素保存在內(nèi)存中的一個(gè)樹結(jié)構(gòu)里，之后你可以利用 DOM 提供的不同的函數(shù)來讀取或修改文檔的內(nèi)容和結(jié)構(gòu)，也可以把修改過的內(nèi)容寫入 xml 文件。

python 中用x ml.dom.minidom 來解析 xml 文件，實(shí)例如下：

#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")

# 在集合中獲取所有電影
movies = collection.getElementsByTagName("movie")

# 打印每部電影的詳細(xì)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(zhí)行結(jié)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

完整的 DOM API 文檔請(qǐng)查閱Python DOM APIs。

以上內(nèi)容是否對(duì)您有幫助：
在線筆記
App下載
App下載

掃描二維碼

下載編程獅App

公眾號(hào)
微信公眾號(hào)

編程獅公眾號(hào)