首先我們先來考慮，什么是XML？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。XML是一套定義語義標記的規則，這些標記將文檔分成許多部件並對這些部件加以標識。它也是元標記語言，即定義了用於定義其他與特定領域有關的、語義的、結構化的標記語言的句法語言。
了解了上面的內容，我們就來看一下python對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，當然使用場合也不同。python有三種方法解析XML，SAX，DOM，以及ElementTree。首先就是SAX (simple API for XML )。python 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。其次是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。最后就是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。在這里要注意下，因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，而SAX流式讀取XML文件，比較快，占用內存少，但需要用戶實現回調函數（handler）。
XML 實例文件 movies.xml 內容如下：
<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>
現在來看python使用SAX解析xml。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,如元素開始跟元素結束事件。而事件處理器則負責對事件作出相應,對傳遞的XML數據進行處理。
- 1、對大型文件進行處理；
- 2、只需要文件的部分內容，或者只需從文件中得到特定信息。
- 3、想建立自己的對象模型的時候。
在python中使用sax方式處理xml要先引入xml.sax中的parse函數，還有xml.sax.handler中的ContentHandler。下面來看ContentHandler方法類介紹：首先，characters(content)方法的調用時機為：從行開始，遇到標簽之前，存在字符，content的值為這些字符串。還有從一個標簽，遇到下一個標簽之前， 存在字符，content的值為這些字符串。再來就是從一個標簽，遇到行結束符之前，存在字符，content的值為這些字符串。標簽可以是開始標簽，也可以是結束標簽。接下來就是startDocument()方法，在文檔啟動的時候調用。endDocument()方法在解析器到達文檔結尾時調用。startElement(name, attrs)方法在遇到XML開始標簽時調用，name是標簽的名字，attrs是標簽的屬性值字典。endElement(name)方法在遇到XML結束標簽時調用。
上面的了解完畢后，就可以來看make_parser()方法。以下方法創建一個新的解析器對象並返回：
xml.sax.make_parser( [parser_list] )
參數說明：parser_list - 可選參數，解析器列表
以下方法創建一個 SAX 解析器並解析xml文檔：
xml.sax.parse( xmlfile, contenthandler[, errorhandler])
參數說明如下：
- xmlfile - xml文件名
- contenthandler - 必須是一個ContentHandler的對象
- errorhandler - 如果指定該參數，errorhandler必須是一個SAX ErrorHandler對象
parseString方法創建一個XML解析器並解析xml字符串：
xml.sax.parseString(xmlstring, contenthandler[, errorhandler])
參數說明如下：
- xmlstring - xml字符串
- contenthandler - 必須是一個ContentHandler的對象
- errorhandler - 如果指定該參數，errorhandler必須是一個SAX ErrorHandler對象
接下來我們就來看個實例：
#!/usr/bin/python
# -*- coding: UTF-8 -*- 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__"): # 創建一個 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")
以上代碼執行結果如下：
*****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 文檔請查閱Python SAX APIs。我們再來使用xml.dom解析xml。文件對象模型（Document Object Model，簡稱DOM），是W3C組織推薦的處理可擴展置標語言的標准編程接口。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。python中用xml.dom.minidom來解析xml文件，實例如下：
#!/usr/bin/python
# -*- coding: UTF-8 -*- 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
以上程序執行結果如下：
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 文檔請查閱Python DOM APIs。好啦，這次就到這里了。如果感覺不錯的話，請多多點贊支持哦。。。
原文鏈接：https://blog.csdn.net/luyaran/article/details/80005231