Python XML



Python XML

搞懂Python操作常用的用法

什么是 XML?

XML 指可扩展标记语言(eXtensible Markup Language),标准通用标记语言的子集,是一种用于标记电子文件使其具有结构性的标记语言。

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。

Python 使用 SAX 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):遇到下一个标签之前,content 的值为这些字符串。遇到行结束符之前,存在字符,content 的值为这些字符串。
startDocument():文档启动的时候调用。
endDocument():文档启动的时候调用。
startElement(name, attrs):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):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

Python解析XML实例

xml内容如下:
 <?xml version="1.0" encoding="utf-8"?>
<collection shelf="New Arrivals">
<people title="Jack">
    <name>Jack</name>
    <age>18</age>
    <sex>Man</sex>
    <address>China</address>
</people>
<people title="Tom">
    <name>Tom</name>
    <age>25</age>
    <sex>Woman</sex>
    <address>American</address>
</people>
</collection>
具体执行代码如下:
 # -*- coding=utf-8 -*-
import xml.sax
class XmlHandler(xml.sax.ContentHandler):
    def __init__(self):
        self.CurrentData = ""
        self.name = ""
        self.age = 0
        self.sex = ""
        self.address = ""

    def startElement(self, tag, attributes):
        self.CurrentData = tag
        if tag == "people":
            print("Title:", attributes["title"])

    def endElement(self, tag):
        if self.CurrentData == "name":
            print("name:", self.name)
        elif self.CurrentData == "age":
            print("age:", self.age)
        elif self.CurrentData == "sex":
            print("sex:", self.sex)
        elif self.CurrentData == "address":
            print("address:", self.address)
        self.CurrentData = ""
    def characters(self, content):
        if self.CurrentData == "name":
            self.name = content
        elif self.CurrentData == "age":
            self.age = content
        elif self.CurrentData == "sex":
            self.sex = content
        elif self.CurrentData == "address":
            self.address = 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 = XmlHandler()
    parser.setContentHandler(Handler)
    parser.parse("people.xml")
执行结果:
('Title:', u'Jack')
('name:', u'Jack')
('age:', u'18')
('sex:', u'Man')
('address:', u'China')
('Title:', u'Tom')
('name:', u'Tom')
('age:', u'25')
('sex:', u'Woman')
('address:', u'American')

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:
 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("people.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
list = collection.getElementsByTagName("people")
# 打印每部电影的详细信息
for people in list:
    if people.hasAttribute("title"):
        print("Title: %s" % people.getAttribute("title"))
    name = people.getElementsByTagName('name')[0]
    print("name: %s" % name.childNodes[0].data)
    age = people.getElementsByTagName('age')[0]
    print("age: %s" % age.childNodes[0].data)
    sex = people.getElementsByTagName('sex')[0]
    print("sex: %s" % sex.childNodes[0].data)
    address = people.getElementsByTagName('address')[0]
    print("address: %s" % address.childNodes[0].data)
执行结果:
Root element : New Arrivals
Title: Jack
name: Jack
age: 18
sex: Man
address: China
Title: Tom
name: Tom
age: 25
sex: Woman
address: American