python解析XML

Posted 北京流浪儿

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python解析XML相关的知识,希望对你有一定的参考价值。

  1. xml简介

    XML 全称 Extensible Markup Language,中文译为可扩展标记语言。XML 之前有两个先行者:SGML 和 HTML,率先登场的是 SGML, 尽管它功能强大,但文档结构复杂,既不容易学也不易于使用,因此几个主要的浏览器厂商均拒绝支持 SGML,这些因素限制了 SGML 在网上的传播性;1989 年 HTML 登场,它继承了 SGML 诸多优点,去除了 SGML 复杂庞大的缺点,HTML 在数据显示上表现十分出色,但它的语法是不可扩展的,因此其无法描述数据、可读性差,没办法人们再次将目光转向 SGML,经过对 SGML 一系列改造,终于在 1998 年,XML 第一个版本问世。

    上面说了那么多,简单来说就是:XML 和 HTML 均由 SGML 改造而来,HTML 是一种页面技术,聚焦的是数据的显示,而 XML 易于扩展,主要用来传送和存储数据,聚焦的是数据的内容。

  2. 解析方式

    Python 有三种 XML 解析方式:SAX(simple API for XML)、DOM(Document Object Model)、ElementTree。

    • DOM 方式:DOM 中文译为文档对象模型,是 W3C 组织推荐的标准编程接口,它将 XML 数据在内存中解析成一个树,通过对树的操作来操作 XML。

    • SAX 方式:SAX 是一个用于处理 XML 事件驱动的模型,它逐行扫描文档,一边扫描一边解析,对于大型文档的解析拥有巨大优势,尽管不是 W3C 标准,但它却得到了广泛认可。

    • ElementTree 方式:ElementTree 相对于 DOM 来说拥有更好的性能,与 SAX 性能差不多,API 使用也很方便。

  3. 具体实现
    test.xml
    <?xml version="1.0" encoding="utf-8"?>
    <list>
    <student id="stu1" name="stu">
       <id>1001</id>
       <name>张三</name>
       <age>22</age>
       <gender>男</gender>
    </student>
    <student id="stu2" name="stu">
       <id>1002</id>
       <name>李四</name>
       <age>21</age>
       <gender>女</gender>
    </student>
    </list>
    

    DOM 方式解析
    使用 DOM 方式,首先要对其 API 有一定了解,如果不了解,网上的教程也比较多,比如:DOM 教程,下面看一下使用示例。

    from xml.dom.minidom import parse
    
    # 读取文件
    dom = parse(‘test.xml‘)
    # 获取文档元素对象
    data = dom.documentElement
    # 获取 student
    stus = data.getElementsByTagName(‘student‘)
    for stu in stus:
    	# 获取标签属性值
        st_id = stu.getAttribute(‘id‘)
        st_name = stu.getAttribute(‘name‘)
    	# 获取标签中内容
        id = stu.getElementsByTagName(‘id‘)[0].childNodes[0].nodeValue
        name = stu.getElementsByTagName(‘name‘)[0].childNodes[0].nodeValue
        age = stu.getElementsByTagName(‘age‘)[0].childNodes[0].nodeValue
        gender = stu.getElementsByTagName(‘gender‘)[0].childNodes[0].nodeValue
        print(‘st_id:‘, st_id,  ‘, st_name:‘,st_name)
        print(‘id:‘, id, ‘, name:‘, name, ‘, age:‘, age, ‘, gender:‘,gender)
    

     结果:

    st_id: stu1 , st_name: stu
    id: 1001 , name: 张三 , age: 22 , gender: 男
    st_id: stu2 , st_name: stu
    id: 1002 , name: 李四 , age: 21 , gender: 女
    

     通过输出结果,我们可以发现已经获取了标签属性值和标签内容了。

    SAX 方式解析

    使用 SAX 解析 XML 文档主要涉及到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,事件处理器负责对事件作出响应,对传递的 XML 数据进行处理。

    Python 使用 SAX 处理 XML 需要用到 xml.sax 中的 parse 函数和 xml.sax.handler 中的 ContentHandler 类,下面看一下 ContentHandler 类中的一些方法。

    • characters(content):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。

    • startDocument():文档启动的时候调用。

    • endDocument():解析器到达文档结尾时调用。

    • 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。

    下面通过示例看一下如何通过 SAX 方式解析 XML。

    import xml.sax
    
    class StudentHandler(xml.sax.ContentHandler):
        def __init__(self):
            self.id = ""
            self.name = ""
            self.age = ""
            self.gender = ""
    
        # 元素开始调用
        def startElement(self, tag, attributes):
            self.CurrentData = tag
            if tag == "student":
                stu_name = attributes["name"]
                print("stu_name:", stu_name)
    
        # 元素结束调用
        def endElement(self, tag):
            if self.CurrentData == "id":
                print("id:", self.id)
            elif self.CurrentData == "name":
                print("name:", self.name)
            elif self.CurrentData == "age":
                print("age:", self.age)
            elif self.CurrentData == "gender":
                print("gender:", self.gender)
            self.CurrentData = ""
    
        # 读取字符时调用
        def characters(self, content):
            if self.CurrentData == "id":
                self.id = content
            elif self.CurrentData == "name":
                self.name = content
            elif self.CurrentData == "age":
                self.age = content
            elif self.CurrentData == "gender":
                self.gender = content
    
    if (__name__ == "__main__"):
        # 创建 XMLReader
        parser = xml.sax.make_parser()
        # 关闭命名空间
        parser.setFeature(xml.sax.handler.feature_namespaces, 0)
        # 重写 ContextHandler
        Handler = StudentHandler()
        parser.setContentHandler(Handler)
        parser.parse("test.xml")
    

     输出结果:

    stu_name: stu
    id: 1001
    name: 张三
    age: 22
    gender: 男
    stu_name: stu
    id: 1002
    name: 李四
    age: 21
    gender: 女
    

     ElementTree 方式解析
    Python 提供了两种 ElementTree 的实现方式。一个是纯 Python 实现的 xml.etree.ElementTree,另一个是 C 语言实现 xml.etree.cElementTree,使用 C 语言实现的方式速度更快且内存消耗更少。Python3.3 之后,ElemenTree 模块会自动优先使用 C 加速器,如果不存在 C 实现,则会使用 Python 实现。因此,使用 Python3.3+ 时,只需要 import xml.etree.ElementTree 即可。
    下面看一下示例

    import xml.etree.ElementTree as ET
    
    tree = ET.parse("test.xml")
    # 根节点
    root = tree.getroot()
    # 标签名
    print(‘root_tag:‘,root.tag)
    for stu in root:
        # 属性值
        print ("stu_name:", stu.attrib["name"])
        # 标签中内容
        print ("id:", stu[0].text)
        print ("name:", stu[1].text)
        print("age:", stu[2].text)
        print("gender:", stu[3].text)
    

     输出结果:

    root_tag: list
    stu_name: stu
    id: 1001
    name: 张三
    age: 22
    gender: 男
    stu_name: stu
    id: 1002
    name: 李四
    age: 21
    gender: 女
    

     

  4. 还有另外一种情况就是返回的结果是xml,那么具体解析需要通过以下方法
    #!/usr/bin/env python
    # -*- coding:utf-8 -*-
    # Author:Eric.yue
    
    
    import json
    import xml.sax.handler
    
    class XMLHandler(xml.sax.handler.ContentHandler):
        def __init__(self):
            self.buffer = ""
            self.mapping = {}
    
        def startElement(self, name, attributes):
            self.buffer = ""
    
        def characters(self, data):
            self.buffer += data
    
        def endElement(self, name):
            self.mapping[name] = self.buffer
    
        def getDict(self):
            return self.mapping
    
    
    data = ‘‘‘<?xml version="1.0" encoding="UTF-8"?><note><to>World</to><from>Linvo</from><heading>Hi</heading><body>Hello World!</body></note>‘‘‘
    
    xh = XMLHandler()
    xml.sax.parseString(data, xh)
    ret = xh.getDict()
    print json.dumps(ret,indent=4)

    输出结果:

    {
        "body": "Hello World!", 
        "to": "World", 
        "note": "Hello World!", 
        "from": "Linvo", 
        "heading": "Hi"
    }
    

     

借鉴:https://mp.weixin.qq.com/s/gYjsPyPmCyoOgXGMF2kc6Q

以上是关于python解析XML的主要内容,如果未能解决你的问题,请参考以下文章

从流输入中解析没有根元素的 XML 片段列表

无法解析片段中的 findViewById [重复]

jsoup解析xml某片段的问题

Android 逆向使用 Python 解析 ELF 文件 ( Capstone 反汇编 ELF 文件中的机器码数据 | 创建反汇编解析器实例对象 | 设置汇编解析器显示细节 )(代码片段

如何在 python 代码中解析多个 xml 文件?

为 Blogger 上的博客格式化代码片段 [关闭]