Python 3 - XML处理

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 .