Python XML解析.docx

Python XML解析.docx

《Python XML解析.docx》由会员分享，可在线阅读，更多相关《Python XML解析.docx（11页珍藏版）》请在冰点文库上搜索。

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：

War,Thriller

DVD

2003

PG

10

TalkaboutaUS-Japanwar

Anime,ScienceFiction

DVD

1989

R

8

Aschientificfiction

Anime,Action

DVD

4

PG

10

VashtheStampede!

Comedy

VHS

PG

2

Viewableboredom

python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。

∙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/python

importxml.sax

classMovieHandler（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=tag

iftag=="movie":

print"*****Movie*****"

title=attributes["title"]

print"Title:

",title

#元素结束事件处理

defendElement（self,tag）:

ifself.CurrentData=="type":

print"Type:

",self.type

elifself.CurrentData=="format":

print"Format:

",self.format

elifself.CurrentData=="year":

print"Year:

",self.year

elifself.CurrentData=="rating":

print"Rating:

",self.rating

elifself.CurrentData=="stars":

print"Stars:

",self.stars

elifself.CurrentData=="description":

print"Description:

",self.description

self.CurrentData=""

#内容事件处理

defcharacters（self,content）:

ifself.CurrentData=="type":

self.type=content

elifself.CurrentData=="format":

self.format=content

elifself.CurrentData=="year":

self.year=content

elifself.CurrentData=="rating":

self.rating=content

elifself.CurrentData=="stars":

self.stars=content

elifself.CurrentData=="description":

self.description=content

if（__name__=="__main__"）:

#创建一个XMLReader

parser=xml.sax.make_parser（）

#turnoffnamepsaces

parser.setFeature（xml.sax.handler.feature_namespaces,0）

#重写ContextHandler

Handler=MovieHandler（）

parser.setContentHandler（Handler）

parser.parse（"movies.xml"）

以上代码执行结果如下：

*****Movie*****

Title:

EnemyBehind

Type:

War,Thriller

Format:

DVD

Year:

2003

Rating:

PG

Stars:

10

Description:

TalkaboutaUS-Japanwar

*****Movie*****

Title:

Transformers

Type:

Anime,ScienceFiction

Format:

DVD

Year:

1989

Rating:

R

Stars:

8

Description:

Aschientificfiction

*****Movie*****

Title:

Trigun

Type:

Anime,Action

Format:

DVD

Rating:

PG

Stars:

10

Description:

VashtheStampede!

*****Movie*****

Title:

Ishtar

Type:

Comedy

Format:

VHS

Rating:

PG

Stars:

2

Description:

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/python

fromxml.dom.minidomimportparse

importxml.dom.minidom

#使用minidom解析器打开XML文档

DOMTree=xml.dom.minidom.parse（"movies.xml"）

collection=DOMTree.documentElement

ifcollection.hasAttribute（"shelf"）:

print"Rootelement:

%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"）:

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

以上程序执行结果如下：

Rootelement:

NewArrivals

*****Movie*****

Title:

EnemyBehind

Type:

War,Thriller

Format:

DVD

Rating:

PG

Description:

TalkaboutaUS-Japanwar

*****Movie*****

Title:

Transformers

Type:

Anime,ScienceFiction

Format:

DVD

Rating:

R

Description:

Aschientificfiction

*****Movie*****

Title:

Trigun

Type:

Anime,Action

Format:

DVD

Rating:

PG

Description:

VashtheStampede!

*****Movie*****

Title:

Ishtar

Type:

Comedy

Format:

VHS

Rating:

PG

Description:

Viewableboredom