深入浅出python XML解析
Posted Python与AI技术汇
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深入浅出python XML解析相关的知识,希望对你有一定的参考价值。
什么是XML?
XML 指可扩展标记语言(eXtensible Markup Language)。 你可以通过本站学习XML教程
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 )
pyhton 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:
< 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相应,对传递的XML数据进行处理。
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:
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:
Python 解析XML实例
#!/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 = ""
# 元素开始事件处理
def startElement( self , tag, attributes):
self .CurrentData = tag
if tag = = "movie" :
print "*****Movie*****"
title = attributes[ "title" ]
print "Title:" , title
# 元素结束事件处理
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 = ""
# 内容事件处理
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__" ):
# 创建一个 XMLReader
parser = xml.sax.make_parser()
# turn off namepsaces
parser.setFeature(xml.sax.handler.feature_namespaces, 0 )
# 重写 ContextHandler
Handler = MovieHandler()
parser.setContentHandler( Handler )
parser.parse( "movies.xml" )
|
以上代码执行结果如下:
*****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Python SAX APIs
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
# 使用minidom解析器打开 XML 文档
DOMTree = xml.dom.minidom.parse( "movies.xml" )
collection = DOMTree.documentElement
if collection.hasAttribute( "shelf" ):
print "Root element : %s" % collection.getAttribute( "shelf" )
# 在集合中获取所有电影
movies = collection.getElementsByTagName( "movie" )
# 打印每部电影的详细信息
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
以上是关于深入浅出python XML解析的主要内容,如果未能解决你的问题,请参考以下文章
从 XML 声明片段获取 XML 编码:部分内容解析不支持 XmlDeclaration
从流输入中解析没有根元素的 XML 片段列表
python3 解析xml
无法解析片段中的 findViewById [重复]
jsoup解析xml某片段的问题
深入解析Android关机