用Python解析XML的幾種常見方法的介紹

一、簡介

XML（eXtensible Markup
Language）指可擴展標記語言，被設計用來傳輸和存儲數據，已經日趨成為當前許多新生技術的核心，在不同的領域都有着不同的應用。它是web發展到一定階段的必然產物，既具有SGML的核心特征，又有着HTML的簡單特性，還具有明確和結構良好等許多新的特性。
python解析XML常見的有三種方法：一是xml.dom.模塊，它是W3C DOM API的實現，若需要處理DOM
API則該模塊很適合，注意xml.dom包里面有許多模塊，須區分它們間的不同；二是xml.sax.模塊，它是SAX
API的實現，這個模塊犧牲了便捷性來換取速度和內存占用，SAX是一個基於事件的API，這就意味着它可以“在空中”處理龐大數量的的文檔，不用完全加載進內存；三是xml.etree.ElementTree模塊（簡稱
ET），它提供了輕量級的Python式的API，相對於DOM來說ET
快了很多，而且有很多令人愉悅的API可以使用，相對於SAX來說ET的ET.iterparse也提供了 “在空中”
的處理方式，沒有必要加載整個文檔到內存，ET的性能的平均值和SAX差不多，但是API的效率更高一點而且使用起來很方便。
二、詳解

解析的xml文件（country.xml）：
在CODE上查看代碼片派生到我的代碼片

      <?xml version="1.0"?> 
      <data> 
        <country name="Singapore"> 
          <rank>4</rank> 
          <year>2011</year> 
          <gdppc>59900</gdppc> 
          <neighbor name="Malaysia" direction="N"/> 
        </country> 
        <country name="Panama"> 
          <rank>68</rank> 
          <year>2011</year> 
          <gdppc>13600</gdppc> 
          <neighbor name="Costa Rica" direction="W"/> 
          <neighbor name="Colombia" direction="E"/> 
        </country> 
      </data> 
    
    

1、xml.etree.ElementTree

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實現的，如xml.etree.ElementTree，另一種是速度快一點的xml.etree.cElementTree。注意：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CODE上查看代碼片派生到我的代碼片

      try: 
        import xml.etree.cElementTree as ET 
      except ImportError: 
        import xml.etree.ElementTree as ET 
    
    

這是一個讓Python不同的庫使用相同API的一個比較常用的辦法，而從Python
3.3開始ElementTree模塊會自動尋找可用的C庫來加快速度，所以只需要import xml.etree.ElementTree就可以了。
在CODE上查看代碼片派生到我的代碼片

      #!/usr/bin/evn python 
      #coding:utf-8 
       
      try: 
        import xml.etree.cElementTree as ET 
      except ImportError: 
        import xml.etree.ElementTree as ET 
      import sys 
       
      try: 
        tree = ET.parse("country.xml")     #打開xml文檔 
        #root = ET.fromstring(country_string) #從字符串傳遞xml 
        root = tree.getroot()         #獲得root節點  
      except Exception, e: 
        print "Error:cannot parse file:country.xml." 
        sys.exit(1) 
      print root.tag, "---", root.attrib  
      for child in root: 
        print child.tag, "---", child.attrib 
       
      print "*"*10 
      print root[0][1].text   #通過下標訪問 
      print root[0].tag, root[0].text 
      print "*"*10 
       
      for country in root.findall('country'): #找到root節點下的所有country節點 
        rank = country.find('rank').text   #子節點下節點rank的值 
        name = country.get('name')      #子節點下屬性name的值 
        print name, rank 
          
      #修改xml文件 
      for country in root.findall('country'): 
        rank = int(country.find('rank').text) 
        if rank > 50: 
          root.remove(country) 
       
      tree.write('output.xml') 
    
    

運行結果：

參考：https://docs.python.org/2/library/xml.etree.elementtree.html
2、xml.dom.*

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，例子如下：
在CODE上查看代碼片派生到我的代碼片

      #!/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("country.xml") 
      Data = DOMTree.documentElement 
      if Data.hasAttribute("name"): 
        print "name element : %s" % Data.getAttribute("name") 
       
      # 在集合中獲取所有國家 
      Countrys = Data.getElementsByTagName("country") 
       
      # 打印每個國家的詳細信息 
      for Country in Countrys: 
        print "*****Country*****" 
        if Country.hasAttribute("name"): 
         print "name: %s" % Country.getAttribute("name") 
       
        rank = Country.getElementsByTagName('rank')[0] 
        print "rank: %s" % rank.childNodes[0].data 
        year = Country.getElementsByTagName('year')[0] 
        print "year: %s" % year.childNodes[0].data 
        gdppc = Country.getElementsByTagName('gdppc')[0] 
        print "gdppc: %s" % gdppc.childNodes[0].data 
       
        for neighbor in Country.getElementsByTagName("neighbor"):  
          print neighbor.tagName, ":", neighbor.getAttribute("name"), neighbor.getAttribute("direction") 
    
    

運行結果：

參考：https://docs.python.org/2/library/xml.dom.html

3、xml.sax.*

SAX是一種基於事件驅動的API，利用SAX解析XML牽涉到兩個部分：解析器和事件處理器。其中解析器負責讀取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。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。常使用在如下的情況下：一、對大型文件進行處理；二、只需要文件的部分內容，或者只需從文件中得到特定信息；三、想建立自己的對象模型的時候。
ContentHandler類方法介紹
（1）characters(content)方法
調用時機：
從行開始，遇到標簽之前，存在字符，content的值為這些字符串。
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。
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。
（2）startDocument()方法
文檔啟動的時候調用。
（3）endDocument()方法
解析器到達文檔結尾時調用。
（4）startElement(name, attrs)方法
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。
（5）endElement(name)方法
遇到XML結束標簽時調用。
在CODE上查看代碼片派生到我的代碼片

      #coding=utf-8 
      #!/usr/bin/python 
       
      import xml.sax 
       
      class CountryHandler(xml.sax.ContentHandler): 
        def __init__(self): 
         self.CurrentData = "" 
         self.rank = "" 
         self.year = "" 
         self.gdppc = "" 
         self.neighborname = "" 
         self.neighbordirection = "" 
       
        # 元素開始事件處理 
        def startElement(self, tag, attributes): 
         self.CurrentData = tag 
         if tag == "country": 
           print "*****Country*****" 
           name = attributes["name"] 
           print "name:", name 
         elif tag == "neighbor": 
           name = attributes["name"] 
           direction = attributes["direction"] 
           print name, "->", direction 
       
        # 元素結束事件處理 
        def endElement(self, tag): 
         if self.CurrentData == "rank": 
           print "rank:", self.rank 
         elif self.CurrentData == "year": 
           print "year:", self.year 
         elif self.CurrentData == "gdppc": 
           print "gdppc:", self.gdppc 
         self.CurrentData = "" 
       
        # 內容事件處理 
        def characters(self, content): 
         if self.CurrentData == "rank": 
           self.rank = content 
         elif self.CurrentData == "year": 
           self.year = content 
         elif self.CurrentData == "gdppc": 
           self.gdppc = 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 = CountryHandler() 
        parser.setContentHandler(Handler) 
         
        parser.parse("country.xml") 
    
    

運行結果：

4、libxml2和lxml解析xml

libxml2是使用C語言開發的xml解析器，是一個基於MIT
License的免費開源軟件，多種編程語言都有基於它的實現，python中的libxml2模塊有點小不足的是：xpathEval()接口不支持類似模板的用法，但不影響使用，因libxml2采用C語言開發的，因此在使用API接口的方式上難免會有點不適應。
在CODE上查看代碼片派生到我的代碼片

      #!/usr/bin/python 
      #coding=utf-8 
       
      import libxml2 
       
      doc = libxml2.parseFile("country.xml") 
      for book in doc.xpathEval('//country'): 
        if book.content != "": 
          print "----------------------" 
          print book.content 
      for node in doc.xpathEval("//country/neighbor[@name = 'Colombia']"): 
        print node.name, (node.properties.name, node.properties.content) 
      doc.freeDoc() 
    
    

lxml是以libxml2為基礎采用python語言開發的，從使用層面上說比lxml更適合python開發者，且xpath()接口支持類似模板的用法。
在CODE上查看代碼片派生到我的代碼片

      #!/usr/bin/python 
      #coding=utf-8 
       
      import lxml.etree  
       
      doc = lxml.etree.parse("country.xml")  
      for node in doc.xpath("//country/neighbor[@name = $name]", name = "Colombia"):  
        print node.tag, node.items() 
      for node in doc.xpath("//country[@name = $name]", name = "Singapore"):  
        print node.tag, node.items() 
    
    

**三、總結
** （1）Python中XML解析可用的類庫或模塊有xml、libxml2 、lxml 、xpath等，需要深入了解的還需參考相應的文檔。
（2）每一種解析方式都有自己的優點和缺點，選擇前可以綜合各個方面的性能考慮。
（3）若有不足，請留言，在此先感謝！