XML是一种可移植的开源语言,它允许程序员开发可由其他应用程序读取的应用程序,无论操作系统和/或开发语言如何.
什么是XML?
可扩展标记语言(XML)是一种与HTML或SGML非常相似的标记语言.这是万维网联盟推荐的,可作为开放标准提供.
XML对于跟踪中小数据量非常有用,无需基于SQL的主干./p>
XML解析器体系结构和API
Python标准库提供了一组最小但有用的接口来处理XML.
XML数据最基本和最广泛使用的两个API是SAX和DOM接口.
简单的XML API(SAX) : 在这里,您为感兴趣的事件注册回调,然后让解析器继续处理该文档.当文档很大或存在内存限制时,这很有用,它会在从磁盘读取文件时解析文件,并且整个文件永远不会存储在内存中.
文档对象模型(DOM)API : 这是万维网联盟的建议,其中整个文件被读入存储器并以分层(基于树)的形式存储以表示XML文档的所有特征.
在使用大文件时,SAX显然无法像DOM那样快速处理信息.另一方面,专门使用DOM可以真正杀死你的资源,特别是如果在许多小文件上使用它.
SAX是只读的,而DOM允许更改XML文件.由于这两个不同的API在字面上相互补充,因此没有理由不将它们用于大型项目.
对于我们所有的XML代码示例,让我们使用一个简单的XML文件 movies.xml 作为输入和减号;
War, Thriller DVD 2003 PG 10 Talk about a US-Japan war Anime, Science Fiction DVD 1989 R 8 A schientific fiction Anime, Action DVD 4 PG 10 Vash the Stampede! Comedy VHS PG 2 Viewable boredom
使用SAX API解析XML
SAX是事件驱动的XML解析的标准接口.使用SAX解析XML通常需要您通过继承xml.sax.ContentHandler来创建自己的ContentHandler.
您的 ContentHandler 处理您的风格的特定标记和属性( s)XML. ContentHandler对象提供了处理各种解析事件的方法.它拥有的解析器在解析XML文件时调用ContentHandler方法.
在开始时调用方法 startDocument 和 endDocument XML文件的结尾.方法字符(文本)通过参数文本传递XML文件的字符数据.
在每个元素的开头和结尾调用ContentHandler .如果解析器未处于命名空间模式,则调用方法 startElement(标记,属性)和 endElement(标记);否则,调用相应的方法 startElementNS 和 endElementNS .这里,tag是元素标记,属性是Attributes对象.
以下是继续之前要理解的其他重要方法 :
make_parser方法
以下方法创建一个新的解析器对象并返回它.创建的解析器对象将是第一个解析器类型,系统找到.
xml.sax.make_parser( [parser_list] )
以下是参数的详细信息 :
parser_list : 可选参数由要使用的解析器列表组成,必须全部实现make_parser方法.
解析方法
以下方法创建一个SAX解析器并使用它来解析文档.
xml.sax.parse( xmlfile, contenthandler[, errorhandler])
以下是参数的详细信息 :
xmlfile : 这是要读取的XML文件的名称.
contenthandler : 这必须是ContentHandler对象.
errorhandler : 如果指定,errorhandler必须是SAX ErrorHandler对象.
parseString方法
有另一种创建SAX解析器和解析指定的 XML字符串的方法.
xml.sax.parseString(xmlstring, contenthandler[, errorhandler])
以下是参数的详细信息 :
xmlstring : 这是要读取的XML字符串的名称.
contenthandler : 这必须是ContentHandler对象.
errorhandler : 如果指定,errorhandler必须是SAX ErrorHandler对象.
示例
#!/usr/bin/python3import xml.saxclass MovieHandler( xml.sax.ContentHandler ): def __init__(self): self.CurrentData = "" self.type = "" self.format = "" self.year = "" self.rating = "" self.stars = "" self.description = "" # Call when an element starts def startElement(self, tag, attributes): self.CurrentData = tag if tag == "movie": print ("*****Movie*****") title = attributes["title"] print ("Title:", title) # Call when an elements ends 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 = "" # Call when a character is read 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__"): # create an XMLReader parser = xml.sax.make_parser() # turn off namepsaces parser.setFeature(xml.sax.handler.feature_namespaces, 0) # override the default ContextHandler Handler = MovieHandler() parser.setContentHandler( Handler ) parser.parse("movies.xml")
输出
这会产生以下结果 :
*****Movie*****Title: Enemy BehindType: War, ThrillerFormat: DVDYear: 2003Rating: PGStars: 10Description: Talk about a US-Japan war*****Movie*****Title: TransformersType: Anime, Science FictionFormat: DVDYear: 1989Rating: RStars: 8Description: A scientific fiction*****Movie*****Title: TrigunType: Anime, ActionFormat: DVDRating: PGStars: 10Description: Vash the Stampede!*****Movie*****Title: IshtarType: ComedyFormat: VHSRating: PGStars: 2Description: Viewable boredom
有关SAX API文档的完整详细信息,请参阅标准 Python SAX API .
使用DOM API解析XML
文档对象模型("DOM")是来自万维网联盟(W3C)的跨语言API,用于访问和修改XML文档.
DOM对随机访问应用程序非常有用. SAX仅允许您一次查看文档的一位.如果您正在查看一个SAX元素,则无法访问另一个SAX元素.
这是使用xml.dom模块快速加载XML文档和创建minidom对象的最简单方法. minidom对象提供了一个简单的解析器方法,可以从XML文件中快速创建DOM树.
示例短语调用minidom对象的parse(file [,parser])函数进行解析XML文件,由文件指定为DOM树对象.
示例
#!/usr/bin/python3from xml.dom.minidom import parseimport xml.dom.minidom# Open XML document using minidom parserDOMTree = xml.dom.minidom.parse("movies.xml")collection = DOMTree.documentElementif collection.hasAttribute("shelf"): print ("Root element : %s" % collection.getAttribute("shelf"))# Get all the movies in the collectionmovies = collection.getElementsByTagName("movie")# Print detail of each movie.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)
输出
这将产生以下结果 :
Root element : New Arrivals*****Movie*****Title: Enemy BehindType: War, ThrillerFormat: DVDRating: PGDescription: Talk about a US-Japan war*****Movie*****Title: TransformersType: Anime, Science FictionFormat: DVDRating: RDescription: A scientific fiction*****Movie*****Title: TrigunType: Anime, ActionFormat: DVDRating: PGDescription: Vash the Stampede!*****Movie*****Title: IshtarType: ComedyFormat: VHSRating: PGDescription: Viewable boredom
有关DOM API文档的完整详细信息,请参阅标准 Python DOM API .