PythonのXML解析
XMLとは何ですか？
XMLは、拡張マークアップ言語（Lのanguage ARKUP電子X張ることができるMを意味します）。 あなたはこのサイトを通じて学ぶことができますXMLチュートリアル
XMLは、データを送信及び格納するように設計されています。
XMLはタグの意味を定義するルールのセットで、これらのタグが識別されるように多くの部品及びこれらの部分に分かれて文書化します。
また、他のドメイン固有の、意味論的構造化マークアップ言語を定義するために使用される言語の構文を定義するメタマークアップ言語です。
XML解析のためのpython
共通DOMとXMLプログラミングインターフェイスのSAX、XMLを持つ2つの異なるインタフェースはもちろんの方法、別の機会の使用をファイル。
XML、SAX、DOM、およびElementTreeのを解析するpythonの3つの方法があります。
1.SAX（XML用のシンプルなAPI）
Pythonの標準ライブラリは、XMLを解析し、XMLファイルを処理するために、ユーザー定義のコールバック関数を呼び出す処理に1イベントによってトリガSAXパーサー、イベント駆動型モデルとSAXを、含まれています。
2.DOM（ドキュメントオブジェクトモデル）
XMLデータは、XMLを操作するためにツリーを操作する、メモリ内のツリーに解析されます。
3.ElementTree（要素ツリー）
便利でフレンドリーなAPIを使用した軽量なDOMとしてのElementTree、。 コードの可用性、高速かつ少ないメモリを消費します。
注意：メモリツリーにXMLデータをマップする必要がDOM のため、1遅いが、第二のメモリがより消費され、SAXのストリーミングがXMLファイルに高速読み込み、（ハンドラを少ないメモリを取るが、コールバックを実装するためにユーザーが必要です）。
XMLインスタンス文書のmovies.xmlにこのセクションを使用し、次のように読み取ります。
<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>
SAXを使用して、PythonのXML解析
SAXは、イベント駆動型のAPIです。
パーサーとイベントハンドラ：XML文書を解析使用SAXは二つの部分を含んでいます。
パーサは、XML文書を読み取るための責任があり、そのような要素終了イベントで始まる要素としてのイベントのイベントハンドラを送信します。
イベントハンドラは、それに応じて処理のためにXMLデータ転送イベントの原因です。
- 1、サイズの大きいファイルの処理;
- 図2に示すように、ファイルの内容の一部だけ、または単にファイルから特定の情報を取得します。
- 3、時間の独自のオブジェクトモデルを構築したいです。
サックス最初のparse関数に導入されたマナーのxml xml.saxだけでなく、PythonでのContentHandler xml.sax.handlerを使用してください。
導入されたContentHandlerクラスメソッド
文字（コンテンツ）メソッド
コールのタイミング：
行の先頭から、ラベルを経験する前に、これらの文字列の文字、コンテンツの価値があります。
ラベルから、次の出会いの前にラベル、文字の存在、これらの文字列の内容値。
ラベルから、回線終端装置、文字の存在、これらの文字列の内容値に遭遇する前に。
タグは、タグの始まりであってもよく、それはラベルの終わりになることができます。
startDocument（）メソッド
ドキュメントの起動が呼ばれます。
EndDocumentの（）メソッド
呼び出しは、文書パーサの終わりに達したとき。
startElement（名、attrsに）方法
遭遇したXMLの開始タグを呼び出して、名前はタグの名前で、attrsには、辞書プロパティ値のタグです。
するendElement（name）メソッド
呼び出しは、XML終了タグを検出しました。
make_parser方法
以下の方法は、新しいパーサーオブジェクトとリターンを作成します。
xml.sax.make_parser( [parser_list] )
パラメータ説明：
- parser_list -オプションのパラメータ、パーサーリスト
パーサ方法
次のメソッドは、SAXパーサーを作成し、XMLドキュメントを解析します：
xml.sax.parse( xmlfile, contenthandler[, errorhandler])
パラメータ説明：
- XMLFILE - xmlファイル名
- ContentHandler -のContentHandlerのオブジェクトでなければなりません
- ErrorHandler -このパラメータを指定すると、ErrorHandlerのはSAXのErrorHandlerオブジェクトでなければなりません
parseString方法
parseStringメソッドは、XMLパーサーを作成し、XML文字列を解析します：
xml.sax.parseString(xmlstring, contenthandler[, errorhandler])
パラメータ説明：
- xmlstring - XML文字列
- ContentHandler -のContentHandlerのオブジェクトでなければなりません
- ErrorHandler -このパラメータを指定すると、ErrorHandlerのはSAXのErrorHandlerオブジェクトでなければなりません
Pythonの構文解析XMLインスタンス
#!/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")
次のように上記のコードが実行されます。
*****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
SAX APIドキュメントを完了を参照してくださいPythonのSAXのAPI
xml.dom解析XMLを使用
ドキュメントオブジェクトモデル（ドキュメント・オブジェクト・モデル、DOMと呼ばれる）は、W3C推奨処置拡張マークアップ言語標準のプログラミングインターフェースです。
XMLドキュメントを解析するDOMパーサーでは、一度にメモリ内のツリー構造に保存された文書のすべての要素を文書全体を読んで、あなたは読み取りまたはドキュメントを変更するためのさまざまな機能を提供するために、DOMを使用することができますxmlファイルの内容を記述するように変更されるコンテンツと構造。
XMLドキュメントを解析するためにはxml.dom.minidomとのpython次のように、例を示します。
#!/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
次のように上記の手順の結果は以下のとおりです。
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
完全なDOM APIのドキュメントを参照してくださいPythonのDOM APIを 。