Python XML解析

广告位

Python XML解析 什么是XML? XML指可扩展标记语言(例如X tensible 中号 arkup …

Python XML解析


什么是XML?

XML指可扩展标记语言(例如X tensible 中号 arkup 大号 anguage)。你可以通过我们学习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。


蟒蛇对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。

蟒蛇有三种方法解析XML,SAX,DOM,以及ElementTree的:

1.SAX(XML的简单API)

python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(文档对象模型)

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的就像一个轻量级的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(处理程序)。

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>
   <格式> DVD </格式>
   <年份> 2003 </年>
   <评价> PG </评级>
   <分> 10 </分>
   <description>谈论美日战争</ description>
</电影>
<movie title =“变形金刚”>
   <type>动漫,科幻小说</ type>
   <格式> DVD </格式>
   <年> 1989 </年>
   <评价>  -  [R </评级>
   <分> 8 </分>
   <description>一个奇妙的小说</ description>
</电影>
   <movie title =“Trigun”>
   <type>动漫,动作</ type>
   <格式> DVD </格式>
   <发作> 4 </发作>
   <评价> PG </评级>
   <分> 10 </分>
   <description> Vash the Stampede!</ description>
</电影>
<movie title =“Ishtar”>
   <类型>喜剧</类型>
   <格式> VHS </格式>
   <评价> PG </评级>
   <分> 2 </分>
   <description>可见无聊</ description>
</电影>
</收集>

蟒蛇使用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。

<psax适于处理下面的问题:< p=””>

  • 1,对大型文件进行处理;
  • 2,只需要文件的部分内容,或者只需从文件中得到特定信息。
  • 3,想建立自己的对象模型的时候。

在蟒蛇中使用SAX方式处理XML要先引入xml.sax中的解析函数,还有xml.sax.handler中的ContentHandler的。

ContentHandler中的类方法介绍

字符(内容)方法

调用时机:

从行开始,遇到标签之前,存在字符,内容的值为这些字符串。

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,内容的值为这些字符串。

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。

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,名称是标签的名字,ATTRS是标签的属性值字典。

的endElement(名称)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_list – 可选参数,解析器列表

解析器方法

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:

  • xmlfile – xml文件名
  • contenthandler – 必须是一个ContentHandler的对象
  • errorhandler – 如果指定该参数,errorhandler必须是一个SAX ErrorHandler对象

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:

  • xmlstring – xml字符串
  • contenthandler – 必须是一个ContentHandler的对象
  • errorhandler – 如果指定该参数,errorhandler必须是一个SAX ErrorHandler对象

Python解析XML实例

#!的/ usr / bin中/蟒蛇
# -  *  - 编码: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 =“”

   #元素开始事件处理
   def startElement(self,tag,attributes):
      self.CurrentData = tag
      如果tag ==“movie”:
         打印“*****电影*****”
         title = attributes [“title”]
         打印“标题:”,标题

   #元素结束事件处理
   def endElement(self,tag):
      如果self.CurrentData ==“type”:
         print“Type:”,self.type
      elif self.CurrentData ==“format”:
         print“格式:”,self.format
      elif self.CurrentData ==“year”:
         打印“年份:”,self.year
      elif self.CurrentData ==“rating”:
         打印“评级:”,自我评价
      elif self.CurrentData ==“stars”:
         打印“星星:”,self.stars
      elif self.CurrentData ==“description”:
         打印“描述:”,self.description
      self.CurrentData =“”

   #内容事件处理
   def字符(自我,内容):
      如果self.CurrentData ==“type”:
         self.type = content
      elif self.CurrentData ==“format”:
         self.format = content
      elif self.CurrentData ==“year”:
         self.year =内容
      elif self.CurrentData ==“rating”:
         self.rating =内容
      elif self.CurrentData ==“stars”:
         self.stars =内容
      elif self.CurrentData ==“description”:
         self.description =内容
  
if(__name__ ==“__ main__”):
   
   #创建一个XMLReader
   parser = xml.sax.make_parser()
   #关闭namepsaces
   parser.setFeature(xml.sax.handler.feature_namespaces,0)

   #重写ContextHandler
   处理程序= MovieHandler()
   parser.setContentHandler(Handler)
   
   parser.parse( “movies.xml”)

以上代码执行结果如下:

*****电影*****
标题:敌人背后
类型:战争,惊悚片
格式:DVD
年份:2003年
评级:PG
星星:10
描述:谈论美日战争
*****电影*****
标题:变形金刚
类型:动漫,科幻小说
格式:DVD
年份:1989年
评级:R
星星:8
描述:一个奇妙的小说
*****电影*****
标题:Trigun
类型:动漫,动作
格式:DVD
评级:PG
星星:10
描述:Vash the Stampede!
*****电影*****
标题:伊什塔尔
类型:喜剧
格式:VHS
评级:PG
明星:2
描述:可见无聊

完整的SAX API文档请查看Python SAX API


使用解析xml.dom的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。

蟒蛇中用xml.dom.minidom来解析XML文件,实例如下:

#!的/ usr / bin中/蟒蛇
# -  *  - 编码:UTF-8  -  *  - 

来自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
如果collection.hasAttribute(“shelf”):
   print“根元素:%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
电影中的电影:
   打印“*****电影*****”
   如果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“格式:%s”%format.childNodes [0] .data
   rating = movie.getElementsByTagName('rating')[0]
   print“Rating:%s”%rating.childNodes [0] .data
   description = movie.getElementsByTagName('description')[0]
   print“描述:%s”%description.childNodes [0] .data

以上程序执行结果如下:

根元素:新来港定居人士
*****电影*****
标题:敌人背后
类型:战争,惊悚片
格式:DVD
评级:PG
描述:谈论美日战争
*****电影*****
标题:变形金刚
类型:动漫,科幻小说
格式:DVD
评级:R
描述:一个奇妙的小说
*****电影*****
标题:Trigun
类型:动漫,动作
格式:DVD
评级:PG
描述:Vash the Stampede!
*****电影*****
标题:伊什塔尔
类型:喜剧
格式:VHS
评级:PG
描述:可见无聊

</psax适于处理下面的问题:<>

Python直播学习Q群:784758214

点击:进群即可获取最新视频教程

 

关于作者: 疯子程序员

为您推荐