Python3 XML 解析
Python3 XML 解析
日期:2022-07-07
本文字数:710 字 阅读完需:约 4 分钟
Python3 XML 解析
什么是 XML?
XML 指可扩展标记语言(eXtensible Markup Language),标准通用标记语言的子集,是一种用于标记电子文件使其具有结构性的标记语言。 你可以通过本站学习 XML 教程
XML 被设计用来传输和存储数据。
XML 是一套定义语义标记的规则,这些标记将文档分成许多部件并对这些部件加以标识。
它也是元标记语言,即定义了用于定义其他与特定领域有关的、语义的、结构化的标记语言的句法语言。
Python 对 XML 的解析
常见的 XML 编程接口有 DOM 和 SAX,这两种接口处理 XML 文件的方式不同,当然使用场合也不同。
Python 有三种方法解析 XML,SAX,DOM,以及 ElementTree:
1.SAX (simple API for XML )
Python 标准库包含 SAX 解析器,SAX 用事件驱动模型,通过在解析 XML 的过程中触发一个个的事件并调用用户定义的回调函数来处理 XML 文件。
2.DOM(Document Object Model)
将 XML 数据在内存中解析成一个树,通过对树的操作来操作 XML。
本章节使用到的 XML 实例文件 movies.xml 内容如下:
实例
<collection shelf="New Arrivals">
<movie title="Enemy Behind">
**
**
**
**
**
<movie title="Transformers">
**
**
**
**
**
<movie title="Trigun">
**
**
**
**
**
<movie title="Ishtar">
**
**
**
**
**
Python 使用 SAX 解析 xml
SAX 是一种基于事件驱动的API。
利用 SAX 解析 XML 文档牵涉到两个部分: 解析器和事件处理器。
解析器负责读取 XML 文档,并向事件处理器发送事件,如元素开始跟元素结束事件。
而事件处理器则负责对事件作出响应,对传递的 XML 数据进行处理。
- 1、对大型文件进行处理;
- 2、只需要文件的部分内容,或者只需从文件中得到特定信息。
- 3、想建立自己的对象模型的时候。
在 Python 中使用 sax 方式处理 xml 要先引入 xml.sax 中的 parse 函数,还有 xml.sax.handler 中的 ContentHandler。
ContentHandler 类方法介绍
characters(content) 方法
调用时机:
从行开始,遇到标签之前,存在字符,content 的值为这些字符串。
从一个标签,遇到下一个标签之前, 存在字符,content 的值为这些字符串。
从一个标签,遇到行结束符之前,存在字符,content 的值为这些字符串。
标签可以是开始标签,也可以是结束标签。
startDocument() 方法
文档启动的时候调用。
endDocument() 方法
解析器到达文档结尾时调用。
startElement(name, attrs) 方法
遇到XML开始标签时调用,name 是标签的名字,attrs 是标签的属性值字典。
endElement(name) 方法
遇到XML结束标签时调用。
make_parser 方法
以下方法创建一个新的解析器对象并返回。
1xml.sax.make_parser( [parser_list] )
参数说明:
- parser_list - 可选参数,解析器列表
parser 方法
以下方法创建一个 SAX 解析器并解析xml文档:
1xml.sax.parse( xmlfile, contenthandler[, errorhandler])
参数说明:
- xmlfile - xml文件名
- contenthandler - 必须是一个 ContentHandler 的对象
- errorhandler - 如果指定该参数,errorhandler 必须是一个 SAX ErrorHandler 对象
parseString 方法
parseString 方法创建一个 XML 解析器并解析 xml 字符串:
1xml.sax.parseString(xmlstring, contenthandler[, errorhandler])
参数说明:
- xmlstring - xml字符串
- contenthandler - 必须是一个 ContentHandler 的对象
- errorhandler - 如果指定该参数,errorhandler 必须是一个 SAX ErrorHandler对象
Python 解析XML实例
实例
#!/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 ( )
# 关闭命名空间
parser. setFeature ( xml. sax. handler. feature_namespaces , 0 )
# 重写 ContextHandler
Handler = MovieHandler ( )
parser. setContentHandler ( Handler )
parser. parse ( "movies.xml" )
以上代码执行结果如下:
1*****Movie***** 2Title: Enemy Behind 3Type: War, Thriller 4Format: DVD 5Year: 2003 6Rating: PG 7Stars: 10 8Description: Talk about a US-Japan war 9*****Movie***** 10Title: Transformers 11Type: Anime, Science Fiction 12Format: DVD 13Year: 1989 14Rating: R 15Stars: 8 16Description: A schientific fiction 17*****Movie***** 18Title: Trigun 19Type: Anime, Action 20Format: DVD 21Rating: PG 22Stars: 10 23Description: Vash the Stampede! 24*****Movie***** 25Title: Ishtar 26Type: Comedy 27Format: VHS 28Rating: PG 29Stars: 2 30Description: Viewable boredom
完整的 SAX API 文档请查阅Python SAX APIs
使用xml.dom解析xml
文件对象模型(Document Object Model,简称DOM),是W3C组织推荐的处理可扩展置标语言的标准编程接口。
一个 DOM 的解析器在解析一个 XML 文档时,一次性读取整个文档,把文档中所有元素保存在内存中的一个树结构里,之后你可以利用DOM 提供的不同的函数来读取或修改文档的内容和结构,也可以把修改过的内容写入xml文件。
Python 中用 xml.dom.minidom 来解析 xml 文件,实例如下:
实例
#!/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 )
以上程序执行结果如下:
1Root element : New Arrivals 2*****Movie***** 3Title: Enemy Behind 4Type: War, Thriller 5Format: DVD 6Rating: PG 7Description: Talk about a US-Japan war 8*****Movie***** 9Title: Transformers 10Type: Anime, Science Fiction 11Format: DVD 12Rating: R 13Description: A schientific fiction 14*****Movie***** 15Title: Trigun 16Type: Anime, Action 17Format: DVD 18Rating: PG 19Description: Vash the Stampede! 20*****Movie***** 21Title: Ishtar 22Type: Comedy 23Format: VHS 24Rating: PG 25Description: Viewable boredom
完整的 DOM API 文档请查阅Python DOM APIs。