【XML基本概念介紹】
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。
概念一:
<foo> # foo元素的起始標簽
</foo> # foo元素的結束標簽
# note: 每一個起始標簽必須有對應的結束標簽來閉合, 也可以寫成<foo/>
概念二:
<foo> # 元素可以嵌套到任意參次
<bar></bar> # bar元素為foo元素的子元素
</foo> # 父元素foo的結束標簽
概念三:
<foo lang='EN'> # foo元素有個lang的屬性,該屬性值為: EN;對應Python字典(Name-Value)對;
<bar id='001' lang="CH"></bar> # bar元素有個lang的屬性,該屬性值為: CH;還有個id屬性,值為:001,放置在''或“”中;
</foo> # bar元素中的lang屬性不會和foo元素中相沖突,每個元素都有獨立的屬性集;
概念四:
<title>Learning Python</title> # 元素可以有文本內容
# Note:如果一個元素即沒有文本內容,也沒有子元素,則為空元素。
概念五:
<info> # info元素為根節點
<list id='001'> A </list> # list元素為子節點
<list id='002'> B </list>
<list id='003'> C </list>
</info>
概念六:
<feed xmlns='http://www.w3.org/2005/Atom'> # 可以通過聲明xmlns來定義默認名字空間,feed元素處於http://www.w3.org/2005/Atom命名空間中
<title>dive into mark</title> # title元素也是。名字空間聲明不僅會作用於當前聲明它的元素,還會影響到該元素的所有子元素
</feed>
也可以通過xmlns:prefix聲明來定義一個名字空間並取其名為prefix。
然后該名字空間中的每個元素都必須顯式地使用這個前綴(prefix)來聲明。
<atom:feed xmlns:atom='http://www.w3.org/2005/Atom'> # feed屬於命名空間atom
<atom:title>dive into mark</atom:title> # title元素同樣屬於該命名空間
</atom:feed> # xmlns(XML Name Space)
【XML幾種解析方法】
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,使用場合自然也就不同。
Python有三種方法解析XML: SAX,DOM,以及ElementTree:
1.SAX (Simple API for XML )
Pyhton標准庫包含SAX解析器,SAX用事件驅動模型,通過在解析XML的過程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。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,如元素開始及結束事件;而事件處理器則負責對事件作出處理。
優點:SAX流式讀取XML文件,比較快,占用內存少。
缺點:需要用戶實現回調函數(handler)。
2.DOM(Document Object Model)
將XML數據在內存中解析成一個樹,通過對樹的操作來操作XML。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,把文檔中所有元素保存在內存中的一個樹結構里,之后你可以利用DOM提供的不同的函數來讀取或修改文檔的內容和結構,也可以把修改過的內容寫入xml文件。
優點:使用DOM的好處是你不需要對狀態進行追蹤,因為每一個節點都知道誰是它的父節點,誰是子節點.
缺點:DOM需要將XML數據映射到內存中的樹,一是比較慢,二是比較耗內存,使用起來也比較麻煩!
3.ElementTree(元素樹)
ElementTree就像一個輕量級的DOM,具有方便友好的API。代碼可用性好,速度快,消耗內存少。
相比而言,第三種方法,即方便,又快速,我們一直用它!下面介紹用元素樹如何解析XML:
【ElementTree解析】
兩種實現
ElementTree生來就是為了處理XML ,它在Python標准庫中有兩種實現。
一種是純Python實現,例如: xml.etree.ElementTree
另外一種是速度快一點的: xml.etree.cElementTree
盡量使用C語言實現的那種,因為它速度更快,而且消耗的內存更少! 在程序中可以這樣寫:
try:
import xml.etree.cElementTree as ET
except ImportError:
import xml.etree.ElementTree as ET
常用方法
# 當要獲取屬性值時,用attrib方法。
# 當要獲取節點值時,用text方法。
# 當要獲取節點名時,用tag方法。
示例XML
<?xml version="1.0" encoding="utf-8"?>
<info>
<intro>Book message</intro>
<list id='001'>
<head>bookone</head>
<name>python check</name>
<number>001</number>
<page>200</page>
</list>
<list id='002'>
<head>booktwo</head>
<name>python learn</name>
<number>002</number>
<page>300</page>
</list>
</info>
###########
## 加載XML
###########
方法一:加載文件
root = ET.parse('book.xml')
方法二:加載字符串
root = ET.fromstring(xmltext)
###########
## 獲取節點
###########
方法一:獲得指定節點->getiterator()方法
book_node = root.getiterator('list')
方法二:獲得指定節點->findall()方法
book_node = root.findall('list')
方法三:獲得指定節點->find()方法
book_node = root.find('list')
方法四:獲得兒子節點->getchildren()
for node in book_node:
book_node_child = node.getchildren()[0]
print book_node_child.tag, '=> ', book_node_child.text
###########
## 例子01
###########
# coding=utf-8
try: # 導入模塊
import xml.etree.cElementTree as ET
except ImportError:
import xml.etree.ElementTree as ET
root = ET.parse('book.xml') # 分析XML文件
books = root.findall('/list') # 查找所有根目錄下的list的子節點
for book_list in books: # 對查找后的結果遍歷
print "=" * 30 # 輸出格式
for book in book_list: # 對每個子節點再進行遍歷,找出里面你的屬性及值
if book.attrib.has_key('id'): # 一句id來做條件判斷
print "id:", book.attrib['id'] # 根據id打印出屬性值
print book.tag + '=> ' + book.text # 輸出標簽及文本內容
print "=" * 30
輸出結果:
==============================
head=> bookone
name=> python check
number=> 001
page=> 200
==============================
head=> booktwo
name=> python learn
number=> 002
page=> 300
==============================