PythonXML解析

PythonXML解析什么是XML？XML指可扩展标记语言（eXtensibleMarkupLanguage）。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。python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。python有三种方法解析XML，SAX，DOM，以及ElementTree:1.SAX(simpleAPIforXML)pyhton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(DocumentObjectModel)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（handler）。本章节使用到的XML实例文件movies.xml内容如下：collectionshelf=NewArrivalsmovietitle=EnemyBehindtypeWar,Thriller/typeformatDVD/formatyear2003/yearratingPG/ratingstars10/starsdescriptionTalkaboutaUS-Japanwar/description/moviemovietitle=TransformerstypeAnime,ScienceFiction/typeformatDVD/formatyear1989/yearratingR/ratingstars8/starsdescriptionAschientificfiction/description/moviemovietitle=TriguntypeAnime,Action/typeformatDVD/formatepisodes4/episodesratingPG/ratingstars10/starsdescriptionVashtheStampede!/description/moviemovietitle=IshtartypeComedy/typeformatVHS/formatratingPG/ratingstars2/starsdescriptionViewableboredom/description/movie/collectionpython使用SAX解析xmlSAX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python中使用sax方式处理xml要先引入xml.sax中的parse函数，还有xml.sax.handler中的ContentHandler。ContentHandler类方法介绍characters(content)方法调用时机：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。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。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，name是标签的名字，attrs是标签的属性值字典。endElement(name)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parser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SAXErrorHandler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SAXErrorHandler对象Python解析XML实例#coding=utf-8#!/usr/bin/pythonimportxml.saxclassMovieHandler(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defstartElement(self,tag,attributes):self.CurrentData=tagiftag==movie:print*****Movie*****title=attributes[title]printTitle:,title#元素结束事件处理defendElement(self,tag):ifself.CurrentData==type:printType:,self.typeelifself.CurrentData==format:printFormat:,self.formatelifself.CurrentData==year:printYear:,self.yearelifself.CurrentData==rating:printRating:,self.ratingelifself.CurrentData==stars:printStars:,self.starselifself.CurrentData==description:printDescription:,self.descriptionself.CurrentData=#内容事件处理defcharacters(self,content):ifself.CurrentData==type:self.type=contentelifself.CurrentData==format:self.format=contentelifself.CurrentData==year:self.year=contentelifself.CurrentData==rating:self.rating=contentelifself.CurrentData==stars:self.stars=contentelifself.CurrentData==description:self.description=contentif(__name__==__main__):#创建一个XMLReaderparser=xml.sax.make_parser()#turnoffnamepsacesparser.setFeature(xml.sax.handler.feature_namespaces,0)#重写ContextHandlerHandler=MovieHandler()parser.setContentHandler(Handler)parser.parse(movies.xml)以上代码执行结果如下：*****Movie*****Title:EnemyBehindType:War,ThrillerFormat:DVDYear:2003Rating:PGStars:10Description:TalkaboutaUS-Japanwar*****Movie*****Title:TransformersType:Anime,ScienceFictionFormat:DVDYear:1989Rating:RStars:8Description:Aschientificfiction*****Movie*****Title:TrigunType:Anime,ActionFormat:DVDRating:PGStars:10Description:VashtheStampede!*****Movie*****Title:IshtarType:ComedyFormat:VHSRating:PGStars:2Description:Viewableboredom完整的SAXAPI文档请查阅PythonSAXAPIs使用xml.dom解析xml文件对象模型（DocumentObjectModel，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。python中用xml.dom.minidom来解析xml文件，实例如下：#coding=utf-8#!/usr/bin/pythonfromxml.dom.minidomimportparseimportxml.dom.minidom#使用minidom解析器打开XML文档DOMTree=xml.dom.minidom.parse(movies.xml)collection=DOMTree.documentElementifcollection.hasAttribute(shelf):printRootelement:%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formovieinmovies:print*****Movie*****ifmovie.hasAttribute(title):printTitle:%s%movie.getAttribute(title)type=movie.getElementsByTagName('type')[0]printType:%s%type.childNodes[0].dataformat=movie.getElementsByTagName('format')[0]printFormat:%s%format.childNodes[0].datarating=movie.getElementsByTagNam