Python3 XML解析
什麼是XML？
XML指可擴展標記語言（eX tensible MarkupLanguage），標准通用標記語言的子集，是一種用於標記電子文件使其具有結構性的標記語言。 你可以通過本站學習XML教程
XML 被設計用來傳輸和存儲數據。
XML是一套定義語義標記的規則，這些標記將文檔分成許多部件並對這些部件加以標識。
它也是元標記語言，即定義了用於定義其他與特定領域有關的、語義的、結構化的標記語言的句法語言。
python對XML的解析
常見的XML編程接口有DOM和SAX，這兩種接口處理XML文件的方式不同，當然使用場合也不同。
python有三種方法解析XML，SAX，DOM，以及ElementTree:
1.SAX (simple API for XML )
python 標準庫包含SAX解析器，SAX用事件驅動模型，通過在解析XML的過程中觸發一個個的事件並調用用戶定義的回調函數來處理XML文件。
2.DOM(Document Object Model)
將XML數據在內存中解析成一個樹，通過對樹的操作來操作XML。
本章節使用到的XML實例文件movies.xml內容如下：
<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使用SAX解析xml
SAX是一種基於事件驅動的API。
利用SAX解析XML文檔牽涉到兩個部分:解析器和事件處理器。
解析器負責讀取XML文檔,並向事件處理器發送事件,如元素開始跟元素結束事件;
而事件處理器則負責對事件作出相應,對傳遞的XML數據進行處理。
- 1、對大型文件進行處理；
- 2、只需要文件的部分內容，或者只需從文件中得到特定信息。
- 3、想建立自己的對像模型的時候。
在python中使用sax方式處理xml要先引入xml.sax中的parse函數，還有xml.sax.handler中的ContentHandler。
ContentHandler類方法介紹
characters(content)方法
調用時機：
從行開始，遇到標籤之前，存在字符，content的值為這些字符串。
從一個標籤，遇到下一個標籤之前， 存在字符，content的值為這些字符串。
從一個標籤，遇到行結束符之前，存在字符，content的值為這些字符串。
標籤可以是開始標籤，也可以是結束標籤。
startDocument()方法
文檔啟動的時候調用。
endDocument()方法
解析器到達文檔結尾時調用。
startElement(name, attrs)方法
遇到XML開始標籤時調用，name是標籤的名字，attrs是標籤的屬性值字典。
endElement(name)方法
遇到XML結束標籤時調用。
make_parser方法
以下方法創建一個新的解析器對象並返回。
xml.sax.make_parser( [parser_list] )
參數說明:
- parser_list -可選參數，解析器列表
parser方法
以下方法創建一個SAX 解析器並解析xml文檔：
xml.sax.parse( xmlfile, contenthandler[, errorhandler])
參數說明:
- xmlfile - xml文件名
- contenthandler -必須是一個ContentHandler的對象
- errorhandler -如果指定該參數，errorhandler必須是一個SAX ErrorHandler對象
parseString方法
parseString方法創建一個XML解析器並解析xml字符串：
xml.sax.parseString(xmlstring, contenthandler[, errorhandler])
參數說明:
- xmlstring - xml字符串
- contenthandler -必須是一個ContentHandler的對象
- errorhandler -如果指定該參數，errorhandler必須是一個SAX ErrorHandler對象
Python 解析XML實例
#!/usr/bin/python3
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 = ""
# 元素开始调用
def startElement(self, tag, attributes):
self.CurrentData = tag
if tag == "movie":
print ("*****Movie*****")
title = attributes["title"]
print ("Title:", title)
# 元素结束调用
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 = ""
# 读取字符时调用
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")
以上代碼執行結果如下：
*****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
完整的SAX API文檔請查閱Python SAX APIs
使用xml.dom解析xml
文件對像模型（Document Object Model，簡稱DOM），是W3C組織推薦的處理可擴展置標語言的標準編程接口。
一個DOM 的解析器在解析一個XML 文檔時，一次性讀取整個文檔，把文檔中所有元素保存在內存中的一個樹結構裡，之後你可以利用DOM 提供的不同的函數來讀取或修改文檔的內容和結構，也可以把修改過的內容寫入xml文件。
python中用xml.dom.minidom來解析xml文件，實例如下：
#!/usr/bin/python3
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)
以上程序執行結果如下：
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
完整的DOM API文檔請查閱Python DOM APIs 。