Python parsing XML
Che cosa è XML?
XML significa Extensible Markup Language(e X tensible M arkup L anguage). Si può imparare attraverso questo sito XML Tutorial
XML è stato progettato per trasmettere e memorizzare i dati.
XML è un insieme di regole per definire la semantica dei tag, questi tag verranno documento diviso in molte parti e queste parti per essere identificati.
E 'anche un linguaggio meta-markup che definisce la sintassi del linguaggio utilizzato per definire altri domain-specific, semantica, linguaggio di marcatura strutturato.
Python per parsing XML
DOM comune e XML programmazione interfacce SAX, due diverse interfacce con XML file nel modo, naturalmente, l'uso di diverse occasioni.
Ci sono tre modi di pitone parsing XML, SAX, DOM, e ElementTree:
1.SAX (Simple API for XML)
Python Library standard contiene parser SAX, SAX con il modello event-driven, innescata da un evento nel processo di parsing XML e chiamare le funzioni di callback definite dall'utente per gestire i file XML.
2.DOM (Document Object Model)
I dati XML viene analizzato in un albero in memoria, che opera attraverso l'albero di manipolare XML.
3.ElementTree (albero elemento)
ElementTree come DOM leggero, con una API conveniente e amichevole. la disponibilità del codice, veloce e consuma meno memoria.
Nota: a causa di DOM bisogno di mappare i dati XML in memoria di albero, un lento, il secondo è più il consumo di memoria, Streaming SAX legge il file XML velocemente, occupano meno memoria, ma richiede all'utente di implementare callback (gestore ).
Utilizzare questa sezione per un movies.xml XML documento di istanza recita:
<collection shelf="New Arrivals"> <movie title="Enemy Behind"> <type>War, Thriller</type> <format>DVD</format> <year>2003</year> <rating>PG</rating> <stars>10</stars> <description>Talk about a US-Japan war</description> </movie> <movie title="Transformers"> <type>Anime, Science Fiction</type> <format>DVD</format> <year>1989</year> <rating>R</rating> <stars>8</stars> <description>A schientific fiction</description> </movie> <movie title="Trigun"> <type>Anime, Action</type> <format>DVD</format> <episodes>4</episodes> <rating>PG</rating> <stars>10</stars> <description>Vash the Stampede!</description> </movie> <movie title="Ishtar"> <type>Comedy</type> <format>VHS</format> <rating>PG</rating> <stars>2</stars> <description>Viewable boredom</description> </movie> </collection>
Python XML parsing utilizzando SAX
SAX è una API event-driven.
Utilizzare SAX parsing di un documento XML coinvolge due parti: il gestore di parser e l'evento.
Il parser è responsabile per la lettura di documenti XML, e invia i gestori di eventi di eventi, come ad esempio gli elementi iniziano con l'evento finale elemento;
Il gestore di eventi è responsabile dell'evento conseguenza, il trasferimento dei dati XML per l'elaborazione.
- 1, l'elaborazione di file di grandi dimensioni;
- 2, solo una parte dei contenuti del file, o semplicemente per ottenere informazioni specifiche dal file.
- 3, vuole costruire il proprio modello a oggetti del tempo.
Utilizzare sax xml.sax modo XML introdotto nella funzione di analisi, così come la xml.sax.handler ContentHandler in pitone.
metodo di classe ContentHandler introdotto
Metodo di caratteri (contenuto)
Il momento della chiamata:
Dall'inizio della linea, prima di sperimentare l'etichetta, vi è un valore di carattere, il contenuto di queste stringhe.
Da una etichetta, un'etichetta prima del prossimo incontro, la presenza del carattere, valore del contenuto di tali stringhe.
Da una etichetta, prima di incontrare una terminazione di linea, la presenza di caratteri, valore del contenuto di tali stringhe.
Tag può essere l'inizio del tag, può essere la fine dell'etichetta.
Metodo startDocument ()
avvio documentazione richiesta.
Metodo endDocument ()
Quando la chiamata raggiunge la fine del parser documento.
(, Nome attrs) metodo startElement
Chiamata tag iniziale XML incontrato, nome è il nome del tag, attrs è un tag valore della proprietà dizionario.
Metodo endElement (nome)
Chiamata incontrato tag di chiusura XML.
metodo make_parser
Il metodo seguente crea un nuovo oggetto parser e ritorna.
xml.sax.make_parser( [parser_list] )
Descrizione Parametro:
- parser_list - parametro opzionale, la lista parser
metodo di parser
Il metodo seguente crea un parser SAX e analizzare documento XML:
xml.sax.parse( xmlfile, contenthandler[, errorhandler])
Descrizione Parametro:
- XMLFILE - nome del file XML
- ContentHandler - deve essere oggetto di un ContentHandler
- ErrorHandler - Se si specifica questo parametro, ErrorHandler deve essere un oggetto SAX ErrorHandler
metodo parseString
Metodo parseString crea un parser XML e analizzare la stringa xml:
xml.sax.parseString(xmlstring, contenthandler[, errorhandler])
Descrizione Parametro:
- xmlString - stringa XML
- ContentHandler - deve essere oggetto di un ContentHandler
- ErrorHandler - Se si specifica questo parametro, ErrorHandler deve essere un oggetto SAX ErrorHandler
Python esempio XML parsing
#!/usr/bin/python
# -*- coding: 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
if tag == "movie":
print "*****Movie*****"
title = attributes["title"]
print "Title:", title
# 元素结束事件处理
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 = ""
# 内容事件处理
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__"):
# 创建一个 XMLReader
parser = xml.sax.make_parser()
# turn off namepsaces
parser.setFeature(xml.sax.handler.feature_namespaces, 0)
# 重写 ContextHandler
Handler = MovieHandler()
parser.setContentHandler( Handler )
parser.parse("movies.xml")
Il codice di cui sopra viene eseguita come segue:
*****Movie***** Title: Enemy Behind Type: War, Thriller Format: DVD Year: 2003 Rating: PG Stars: 10 Description: Talk about a US-Japan war *****Movie***** Title: Transformers Type: Anime, Science Fiction Format: DVD Year: 1989 Rating: R Stars: 8 Description: A schientific fiction *****Movie***** Title: Trigun Type: Anime, Action Format: DVD Rating: PG Stars: 10 Description: Vash the Stampede! *****Movie***** Title: Ishtar Type: Comedy Format: VHS Rating: PG Stars: 2 Description: Viewable boredom
Completa SAX documentazione delle API si rimanda alle SAX API di Python
Utilizzare xml.dom parse XML
Document Object Model (Document Object Model, indicato come DOM), è un trattamento raccomandato dal W3C Extensible Markup Language interfaccia di programmazione standard.
In un parser DOM per analizzare un documento XML, leggere l'intero documento in una sola volta, tutti gli elementi del documento salvato in una struttura ad albero in memoria, quindi è possibile utilizzare il DOM per fornire diverse funzioni per leggere o modificare il documento contenuto e la struttura ad essere modificati per scrivere il contenuto del file XML.
pitone con xml.dom.minidom per analizzare documento XML, gli esempi sono i seguenti:
#!/usr/bin/python
# -*- coding: UTF-8 -*-
from 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
if collection.hasAttribute("shelf"):
print "Root element : %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
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
I risultati delle procedure di cui sopra sono i seguenti:
Root element : New Arrivals *****Movie***** Title: Enemy Behind Type: War, Thriller Format: DVD Rating: PG Description: Talk about a US-Japan war *****Movie***** Title: Transformers Type: Anime, Science Fiction Format: DVD Rating: R Description: A schientific fiction *****Movie***** Title: Trigun Type: Anime, Action Format: DVD Rating: PG Description: Vash the Stampede! *****Movie***** Title: Ishtar Type: Comedy Format: VHS Rating: PG Description: Viewable boredom
Completa DOM documentazione API consultare il Python la API DOM .